机器学习
yue200403
对于要付费的内容,很抱歉,因为确实需要一点点收入,目前在读研究生。此外,如果你们需要什么教程,可以留言,我尽量整理。有问题请私信联系,每天8点查看私信。
展开
-
机器学习——机器学习的可行性分析
1.机器学习是否可行1.1列子阐述看一个二分类例子,输入特征x是二进制的、三维的,对应有8种输入,其中训练样本D有5个。那么,根据训练样本对应的输出y,假设有8个hypothesis(假设模型),这8个hypothesis在D上,对5个训练样本的分类效果效果都完全正确。但是在另外3个测试数据上,不同的hypothesis表现有好有坏。在已知数据D上,我们选择的模型和真实结果很接近;但是在D以外的未知数据上, 我们选择的模型和真实结果不一定很接近。而机器学习目的,恰恰是希望我们选择的模型能在未知数据上原创 2020-10-22 11:43:27 · 1213 阅读 · 0 评论 -
机器学习--------PLA解析
摘要:在学习机器学习时,涉及线性分类问题时,对于如何找到最佳的线性分类器,我们会使用到Perceptron Learning Algorithm(PLA),即是感知机学习算法,来在平面(这里以二维平面为例)的众多直线中找到一条理想的直线,该直线可以达到很好的分类效果。本文将对PLA算法的原理和过程进行解释。1.算法基本思想如何找到一条能将平面上所有的正类和负类完全分开的最好的直线呢?我们可以使用逐点修正的思想,首先在平面上随意取一条直线,看看哪些点分类错误。然后开始对第一个错误点就行修正,即变换直线的原创 2020-10-20 19:38:13 · 1320 阅读 · 0 评论 -
机器学习算法05——SVM实战
1.SVM概念SVM是一种二分类模型,用于特征空间上得到间隔最大的线性分类器,基本思想是使得两类离分类平面间隔最大化,并且最终转化为一个凸二次规划问题求解。2.实例import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapimport pandas as pdfrom sklearn.model_selection import train_test_splitf原创 2020-07-25 20:09:27 · 321 阅读 · 1 评论 -
机器学习算法04——多项式回归算法实战
摘要:本文主要介绍机器学习算法的多项式回内容。包括多项式回归的定义,其与线性回归的区别,实战内容。原创 2020-07-24 09:04:59 · 594 阅读 · 0 评论 -
机器学习算法03——线性回归算法实战
摘要:本文主要介绍线性回归算法的定义,公式,回归实战。原创 2020-07-22 14:02:23 · 322 阅读 · 0 评论 -
机器学习算法02—— K近邻算法实战
摘要:本文主要介绍kNN算法的原理和实列。包括算法描述、算法缺点、算法概述。原创 2020-07-22 08:26:34 · 153 阅读 · 0 评论 -
机器学习算法01—— K近邻算法学习笔记
摘要:k近邻算法主要通过计算预测样本x和训练集中样本的距离,并按距离从近到远取k个训练样本的y值,如果y值为1的数量多,则x的预测值为1;否则为0。值得一提的是,这里运用的主要数学知识是计算欧拉距离的数学公式,不过通过np的矩阵运算,算起来并不算复杂。这里自己写代码实现一个简单的k近邻算法,主要是为了理解算法的思想和具体的实现过程。原创 2020-07-10 20:41:19 · 218 阅读 · 0 评论 -
机器学习笔记02——线性回归实践
摘要:本文将介绍机器学习中的线性回归。主要包括简单的线性回归和多元线性回归的简单代码实现。原创 2020-06-30 10:09:17 · 3842 阅读 · 0 评论 -
机器学习笔记01——数据预处理
摘要:本文主要介绍机器学习的基础内容——数据预处理。在学习研究算法之前,我们需要有处理数据的能力;主要知识点包括:数据预处理的步骤介绍、简单的代码实例、输出结果展示、详细的代码注释等内容。原创 2020-06-30 09:40:45 · 375 阅读 · 0 评论