摘要：
今天主要学习 1.linux 2.java 3.ML算法 4.项目 u:user，所有者； g:group，所属组； o：others，其他人； a：all， 所有人； =：权限赋值 精准名称搜索，正则表达式 updatedb 用于更新资料库 tmp文件不在资料库中 locate i 不区分大小写 阅读全文
摘要：
今天主要学习： linux 做项目 ML算法 linux学习 "linux教程链接" 命令格式 命令基本格式： 命令 [选项][参数] 说明： 1.简化选项 a； 完整选项 all； 2.选项可组合 3.个别不遵循 4.隐藏文件通过改名实现 .test "命令合集" 目录处理命令 mkdir p 递 阅读全文
摘要：
Adaboost算法及其代码实现 算法概述 AdaBoost（adaptive boosting），即自适应提升算法。 Boosting 是一类算法的总称，这类算法的特点是通过训练若干弱分类器，然后将弱分类器组合成强分类器进行分类。 为什么要这样做呢？因为弱分类器训练起来很容易，将弱分类器集成起来， 阅读全文
摘要：
SMO算法 SVM(3) 利用SMO算法解决这个问题： SMO算法的基本思路 ： SMO算法是一种启发式的算法（别管启发式这个术语， 感兴趣可了解）， 如果所有变量的解都满足最优化的KKT条件， 那么最优化问题就得到了。 每次只优化两个 , 将问题转化成很多个 二次规划 的子问题， 直到所有的解都满 阅读全文
摘要：
非线性支持向量机SVM 对于线性不可分的数据集， 我们引入了 核 (参考： "核方法·核技巧·核函数" ) 线性支持向量机的算法如下： 将线性支持向量机转换成 非线性支持向量机 只需要将 变为 核函数 即可： 非线性支持向量机的算法如下： 阅读全文
摘要：
问题的引入 对于线性可分或者线性近似可分的数据集， 线性支持向量机可以很好的划分，如图左。但是，对于图右的数据集呢？很显然， 这个数据集是没有办法用直线分开的。 我们的想法是在低维空间中不能线性分割的点集，通过转化为高维空间中的点集时，很有可能变为线性可分的。 插个题外话：看过《三体》的小伙 阅读全文
摘要：
线性可分支持向量机与软间隔最大化 SVM 给定线性可分的数据集 假设输入空间(特征向量)为 ，输出空间为 。 输入 表示实例的特征向量，对应于输入空间的点； 输出 表示示例的类别。 我们说可以通过 间隔最大化 或者等价的求出相应的 凸二次规划问题 得到的 分离超平面 以及决策函数： 但是，上述的解决 阅读全文
摘要：
 阅读全文
摘要：
概述 在机器学习中， 感知机（perceptron） 是二分类的线性分类模型，属于监督学习算法。输入为实例的特征向量，输出为实例的类别（取+1和 1）。 感知机对应于输入空间中将实例划分为两类的分离 超平面 。感知机旨在求出该超平面，为求得超平面导入了基于误分类的损失函数，利用 梯度下降法 对损失函 阅读全文
摘要：
import pandas as pd %pylab 一.使用numpy创建 df = pd.DataFrame(np.arange(16).reshape((4,4)), index=list('abcd'), columns=['one','two','three','four']) df 二. 阅读全文