![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
xzhws
推荐系统,数据挖掘,机器学习
展开
-
机器学习相关知识点面试总结
博主近日参加了导师实验室的面试,因为对机器学习比较感兴趣,所以简历上写了目前已实现SVM,Adaboost等算法,然后接下来的二十多分钟面试基本问SVM了。很多知识点其实以前也有遇到,只是没有详细总结,此处po主班门弄斧,不到位的地方还请大家指正。1)朴素贝叶斯的平滑处理过程是什么?这点其实在Andrew Ng的《Machine Learning》课程里面有讲,简单来说就是拉普拉斯平滑处理...原创 2018-08-04 11:44:07 · 527 阅读 · 0 评论 -
lasso回归的原理及L1正则具有稀疏性的原因
转载自:http://freemind.pluskid.org/machine-learning/sparsity-and-some-basics-of-l1-regularization/#ed61992b37932e208ae114be75e42a3e6dc34cb3http://对lasso回归的原理进行了推导,以及解释了L1正则具有稀疏性的原因。这篇文章很赞!...转载 2018-04-06 21:03:53 · 6236 阅读 · 4 评论 -
感知器、logistic与svm 区别与联系
转载自:这位博主 从感知器谈起对于典型的二分类问题,线性分类器的目的就是找一个超平面把正负两类分开。对于这个超平面,我们可以用下面的式子来表示, ωTx+b=0ωTx+b=0感知器是最简单的一种线性分类器。用f(x)表示分类函数,感知器可以如下来表示。 f(x)=sign(ωTx+b)f(x)=sign(ωTx+b)感知器相当于一个阶跃函数,如下图所示,在0处有一...转载 2018-03-28 23:08:45 · 1372 阅读 · 0 评论