摘要: 详情:http://www.cnblogs.com/hhh5460/p/5186226.html#top 阅读全文
posted @ 2017-09-17 15:17 JueJi_2017 阅读(135) 评论(0) 推荐(0) 编辑
摘要: 参考资料:斯坦福(http://cs231n.github.io/linear-classify/;http://cs231n.stanford.edu/slides/2017/) Mastering Machine Learning With scikit-learn 假设函数(Hypothesi 阅读全文
posted @ 2017-09-07 23:26 JueJi_2017 阅读(175) 评论(0) 推荐(0) 编辑
摘要: [机器学习] Coursera ML笔记 - 监督学习(Supervised Learning) - Representation http://blog.csdn.net/walilk/article/details/50922854 阅读全文
posted @ 2017-09-07 22:54 JueJi_2017 阅读(136) 评论(0) 推荐(0) 编辑
摘要: 文章来源:https://www.zhihu.com/question/52398145 作者:zzanswer链接:https://www.zhihu.com/question/52398145/answer/209358209来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注 阅读全文
posted @ 2017-09-07 22:52 JueJi_2017 阅读(3256) 评论(0) 推荐(1) 编辑
摘要: 参考资料:Mastering Machine Learning With scikit-learn 支持向量机(support vector machine, SVM)一种强大的分类和回归模型,可以有效的解决线性不可分问题。 感知器不能有效的解决线性不可分问题。其实线性回归里面已经遇到过类似的问题, 阅读全文
posted @ 2017-09-07 17:06 JueJi_2017 阅读(789) 评论(0) 推荐(0) 编辑
摘要: 感知器通常用下面的图形表示: x1,x2和x3是输入单元。每个输入单元分别代表一个特征。感知器通常用另外一个输入单元代表一个常用误差项,但是这个输入单元在图形中通常被忽略了。中间的圆圈是一个计算单元,类似神经元的细胞核连接输入单元和计算单元的边类似于树突。每条边是一个权重,或者是一个参数。参数容易解 阅读全文
posted @ 2017-09-07 11:26 JueJi_2017 阅读(468) 评论(0) 推荐(0) 编辑
摘要: 参考资料:Mastering Machine Learning With scikit-learn 降维致力于解决三类问题。第一,降维可以缓解维度灾难问题。第二,降维可以在压缩数据的同时让信息损失最 小化。第三,理解几百个维度的数据结构很困难,两三个维度的数据通过可视化更容易理解 PCA简介 主成分 阅读全文
posted @ 2017-09-07 11:01 JueJi_2017 阅读(465) 评论(0) 推荐(0) 编辑
摘要: 源自在线课程的学习:http://www.studyai.com/course/detail/d086826e9be84b818f9c54893633663d 阅读全文
posted @ 2017-09-06 22:58 JueJi_2017 阅读(144) 评论(0) 推荐(0) 编辑
摘要: 聚类(clustering) 用于找出不带标签数据的相似性的算法 K-Means聚类算法简介 与广义线性模型和决策树类似,K-Means参 数的最优解也是以成本函数最小化为目标。K-Means成本函数公式如下: 成本函数是各个类畸变程度(distortions)之和。每个类的畸变程度等于 该类重心与 阅读全文
posted @ 2017-09-06 22:44 JueJi_2017 阅读(669) 评论(0) 推荐(0) 编辑
摘要: fig.tight_layout() 调整子图间距 legend 图例分开显示 阅读全文
posted @ 2017-09-06 22:31 JueJi_2017 阅读(147) 评论(0) 推荐(0) 编辑