final 1
摘要：
1. machine learning分类 supervised learning：output class is given (regression + classification) unsupervised learning 2. regression预测的结果是一个连续的值，即对x y进行拟 阅读全文
posted @ 2020-04-30 12:42 Eleni 阅读(355) 评论(0) 推荐(0) 编辑
班课8
摘要：
1. unsupervised learning 可用于cluster analysis，常用方法可以分为两个大类：hierarchical methods, partitioning methods。前者为层级方式 对于同一个cluster来讲，需要同一个cluster里面的元素尽可能接近，不同c 阅读全文
posted @ 2020-04-28 10:14 Eleni 阅读(144) 评论(0) 推荐(0) 编辑
班课7
摘要：
1. input layer形式为x1, x2, x3...xn，交互得到下一层hidden layer(如两者相加)，hidden layer可以有很多层，最后得到output layer 2.perceptual 第一个圆中是根据不同的weight将input求和，第二个是根据求和的结果，大于0 阅读全文
posted @ 2020-04-27 17:45 Eleni 阅读(169) 评论(0) 推荐(0) 编辑
班课6
摘要：
1. project preprocess: a. bag of words: sklearn.feature_extraction.text.CountVectorizer 把所有出现过的单词整合成字典 b. TFIDF: sklearn.feature_extraction.text.Tfidf 阅读全文
posted @ 2020-04-13 09:16 Eleni 阅读(120) 评论(0) 推荐(0) 编辑
lesson one
摘要：
1. 焦虑是人类情感中很常见的一种，判断焦虑过度的标准是焦虑发作的时间、是否过度敏感以及是否对日常生活产生影响 2. 焦虑产生的原因通常包括：遗传原因，个人原因（性格，成长背景，习惯以及生活压力） 3. GAD与人们普遍性感受到的普通焦虑不一样的地方在于，GAD通常表现为频繁的过度焦虑，感觉自己处在 阅读全文
posted @ 2020-04-11 14:40 Eleni 阅读(389) 评论(0) 推荐(0) 编辑
班课5
摘要：
1. learning scenarios：machine learning中会遇到的几种问题 a) classification b) regression c) scoring and ranking：对每一个类型进行打分（可划分在classification中） d) probability 阅读全文
posted @ 2020-04-11 12:54 Eleni 阅读(151) 评论(0) 推荐(0) 编辑
班课4
摘要：
1. thresholding:满足双峰特征时，选取中间的峰谷 2. region splitting and merging: 图像中特征不一致则分为四个子区域，子区域特征相似则合并，直至不符合分裂合并特征，然后再进行进一步的合并（也可以分为8个子区域） 3. connected componen 阅读全文
posted @ 2020-03-19 20:27 Eleni 阅读(117) 评论(0) 推荐(0) 编辑
班课4 decision tree
摘要：
1. TDIDT：找到最佳decision attribute，然后将数据分开 如ID3，所选attribute一定是categorical attributes(yes,no等), 不能是数值型的 另一个方法为CaRT，这节课不做太多涉及 2. ID3的选取原则为测算entropy：数据混乱程度； 阅读全文
posted @ 2020-03-19 11:59 Eleni 阅读(187) 评论(0) 推荐(0) 编辑
