摘要：
1.1训练，验证，测试集（Train/Dev/Test sets） （1）深度学习是一个按照下图进行循环的快速迭代的过程，往往需要多次才能为应用程序找到一个称心的神经网络。 （2）在机器学习中，通常将样本分成训练集，验证集和测试集三部分，数据规模相对较小，适合传统的划分比例（如6:2:2），数据集规 阅读全文
摘要：
单层感知机 单层感知机基础总结很详细的博客 关于单层感知机的视频 最终y=t,说明经过训练预测值和真实值一致。下面图是sign函数 根据感知机规则实现的上述题目的代码 1 import numpy as np 2 import matplotlib.pyplot as plt 3 #输入数据 4 X 阅读全文
摘要：
svm简介 支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；当训练样本近似线性 阅读全文
摘要：
pca基础知识不了解的可以先看下一这篇博客：https://www.cnblogs.com/lliuye/p/9156763.html 具体算法实现如下： 1 import numpy as np 2 import matplotlib.pyplot as plt 3 # 载入数据 4 data = 阅读全文
摘要：
下面的demo是根据kmeans算法原理实现的demo，使用到的数据是kmeans.txt 1 1.658985 4.285136 2 -3.453687 3.424321 3 4.838138 -1.151539 4 -5.379713 -3.362104 5 0.972564 2.924086 阅读全文
摘要：
朴素贝叶斯详细介绍 贝叶斯介绍 1 # 导入算法包以及数据集 2 import numpy as np 3 from sklearn import datasets 4 from sklearn.model_selection import train_test_split 5 from sklea 阅读全文
摘要：
从百度云课堂上截图的基础概念，如果之前不了解的可以先看一下这篇博客：https://blog.csdn.net/weixin_30708329/article/details/97262409 不同的数据集训练不同的模型，根据模型进行投票得到最终预测结果 多棵决策树组成森林，每个模型训练集不同和选择 阅读全文
摘要：
下面是常见函数的代码例子 1 import torch 2 import numpy as np 3 print("分割线 ") 4 #加减乘除操作 5 a = torch.rand(3,4) 6 b = torch.rand(4) 7 print(a) 8 print(b) 9 print(tor 阅读全文
摘要：
基础内容可以直接看这篇博客 下面的demo是使用决策树算法的一个例子，使用的数据链接如下： https://files.cnblogs.com/files/henuliulei/决策树.zip from sklearn.feature_extraction import DictVectorizer 阅读全文
摘要：
KNN要用到欧氏距离 KNN下面的缺点很容易使分类出错（比如下面黑色的点） 下面是KNN算法的三个例子demo， 第一个例子是根据算法原理实现 import matplotlib.pyplot as plt import numpy as np import operator # 已知分类的数据 x 阅读全文