关注
分享
这是一个快乐的人
欢迎关注个人公众号“人工智能拾贝”，原创超有趣的机器学习文章！
展开
-
深度学习实战 1-搭建Ubuntu16.04+Anaconda（内嵌Python3.6）+tensorflow
前两天一直在配置CUDA环境，结果到最后发现自己的电脑还是显卡配置太低没法进行GPU加速运算，所以回头来还是只使用CPU环境来学习tensorflow吧。目前，关于环境搭建问题，好像也没之前那么复杂了，这里给出我自己的环境配置过程，很简单：原创 2017-12-20 11:47:31 · 455 阅读 · 0 评论 -
【自己动手写机器学习算法】第5章 决策树
第5章 决策树顾名思义,"决策树"就是按照建立分支来进行决策的方法,即根据啥(往往是根据某个属性的某个值作为指标，比如“年龄大于20岁的”或“身高大于1米5的”)来区分不同类别的数据,也是一种监督式机器学习算法,从编程角度来看,可以看作是一系列的"if… then… else…"的集合,这个模型非常直观,也即可读性非常好,决策树的学习通常包含三个步骤:特征选择,决策树生成,决策树的剪枝.给定数...原创 2019-02-20 18:50:32 · 364 阅读 · 0 评论 -
【自己动手写机器学习算法】第4章 朴素贝叶斯
第4章 朴素贝叶斯朴素贝叶斯的基本思想是： 基于特征条件独立假设学习输入和输出的联合概率分布，然后，基于此模型，对给定的输入xxx，利用贝叶斯订立求出后验概率最大的输出yyy，根据《统计学习方法》书中的规划，这里将简述朴素贝叶斯的学习和分类、朴素贝叶斯的参数估计方法。4.1 朴素贝叶斯的学习和分类4.1.1简述输入:训练数据集 T={(x1,y1),(x2,y2),(xi...原创 2018-09-03 14:40:12 · 382 阅读 · 0 评论 -
【自己动手写机器学习算法】第3章 k近邻法描述
K近邻算法本身是个很简单的算法，某些时候甚至不能称之为机器学习算法，因为它没有“学习”的过程，仅仅通过判定和要预测的xxx相近的点都呈现的表征来确定xxx的对应类标yyy就可以了，但是《统计学习方法》这本书使用了KD-tree的方法来寻找最近邻，其主要目的是在数据量比较大的时候能够优化查找效率，从原理来讲，树结构的查找的时间复杂度O(logN)O(logN)O\left( logN \right)...原创 2018-09-03 14:32:53 · 183 阅读 · 0 评论 -
【自己动手写机器学习算法】第2章 感知机
第2章 感知机感知机模型实际是最简单的模型之一，台大林轩田老师发布的《机器学习基石》教程中，称之为“知错能改验算法”，就是发现错误进行纠正，具体这个算法的过程如下。2.1感知机模型 定义: 输入空间到输出空间的函数为f(x)=sign(w⋅x+b)f(x)=sign(w⋅x+b)f(x) = sign(w\cdot x + b) 其中 sign(x)={+1,−1,...原创 2018-06-03 11:09:46 · 202 阅读 · 0 评论 -
【自己动手写机器学习算法】第1章 统计学习方法概论
第1章 统计学习方法概论统计学习简述之，从数据中挖掘规律，并形式化表现这种规律并将之应用在将来的数据之中，其实现在的机器学习方法都是离不开统计学原理的，这也就是本人结合李航的《统计学习方法》来编写统计学习的相关基础算法的初衷。一些基本的概念这里不再赘述，统计学习方法包含了监督式学习、非监督式学习、半监督式学习和强化学习等。这里也先假定每个读者对这些概念已经有了一些初步的了解，如果不了解，也...原创 2018-06-03 11:04:40 · 233 阅读 · 0 评论 -
UFLDL Tutorial 课程核心内容提炼-3：自编码算法和稀疏性
该课程在斯坦福深度学习课上，点此打开 核心内容，自编码器，非监督学习方法。如果隐藏层的神经元数目较少，很好理解，如果较多，则要对隐层进行稀疏性限制，引入惩罚因子，这个惩罚因子和信息熵理论中的散度有关，所以引入KL-divergence进行转换，转换完成之后，为了求解这个最后的解，即的h，给出最终的损失函数，之后就和普通的神经网络一致了，进行梯度求解，迭代解出h。-----------...原创 2018-02-26 17:59:08 · 274 阅读 · 0 评论 -
UFLDL Tutorial 课程核心内容提炼-1：神经网络
该课程在斯坦福深度学习课上，点此打开--------------------------------------------------分割线------------------------------------------------------一、概述 训练样本集： 神经网络算法能够提供一种复杂且非线性的假设模型 ...原创 2018-02-26 10:32:45 · 419 阅读 · 0 评论 -
UFLDL Tutorial 课程核心内容提炼-2：反向传导算法
该课程在斯坦福深度学习课上，点此打开--------------------------------------------------分割线------------------------------------------------------一、概述 固定样本集 ,它包含 个样例，可以用批量梯度下降法来求解神经网络（W和b），对于单个样例，其代价函数为： ...原创 2018-02-26 10:58:07 · 263 阅读 · 0 评论 -
深度学习实战 1-补充：搭建Ubuntu16.04+Anaconda（内嵌Python3.5） + theano
由于工作需要，需要使用Theano的深度学习框架进行学习，这时，如果单纯地直接使用类似Tensorflow的安装方法来配置Theano，往往会产生包的依赖性问题，这里给出配置方法，需要说明的是，配置的时候要使用CUDA toolkit环境，这里要求使用nvidia的计算显卡支持。原创 2017-12-28 19:20:04 · 376 阅读 · 0 评论 -
图解AUC和GAUC
网上看过不少关于AUC和GAUC的材料，但是都是文字描述，一点也不直观， 因此阿航萌生了使用图解的方式详细剖析一下AUC和GAUC的想法，也希望以此能帮助大家快速理解概念。其中，说到AUC就不得不提ROC曲线，因此这里阿航分三个部分来解读：ROC、AUC、GAUC。〇、ROC前身：通用的对分类模型的评价步骤1：给定样本如图A：其中绿色为正样本，红色为负样本步骤2：训练一个机器学习模型，...原创 2019-06-18 17:51:12 · 7421 阅读 · 11 评论