摘要：
—————————————————————————————————————————————————————— 本文为在csdn博主z小白的文章基础上，做了一些自己的理解与扩展，文末附有原文链接，尊重知识产权从我做起。 ————————————————————————————————————————— 阅读全文
摘要：
传统神经网络： 是全连接形式，即样本的每个特征属性都通过所有的隐藏层节点映射，最后输出数据。由于是全连接，所以计算极为复杂，且模型不易学习。 卷积神经网络：卷积神经网络(Convolutional Neural Networks, CNN), CNN可以有效的降低反馈神经网络(传统神经网络)的复杂性 阅读全文
摘要：
1 import tensorflow as tf 2 import numpy as np 3 4 """ 5 使用tensorflow 实现简单的 线性回归 y = np.dot(x, W) + b 6 """ 7 8 def f1(): 9 """ 10 先使用常量进行构建，展示大致的业务逻辑 阅读全文
摘要：
目录： 隐马尔可夫模型 Viterbi算法（必须掌握） 简述：普通领域不常用，自然语言与金融领域用的比较多，总共涉及到概率问题，求参数问题，取范围问题。 用到的知识点有全概率公式，条件概率公式，边缘概率公式，贝叶斯公式，极大似然估计 概率计算问题 直接计算法 暴力算法 前向算法 后向算法 后向算法不 阅读全文
摘要：
目录 最大似然估计 K-means算法 EM算法 GMM算法（实际是高斯混合聚类） 中心思想：①极大似然估计 ②θ=f(θold） 此算法非常老，几乎不会问到，但思想很重要。 EM的原理推导还是蛮复杂的，图片上没法子编辑公式，直接打字无法完美描述整个过程，所以我直接在纸上打出详细过程加以备注 有哪些 阅读全文
摘要：
目录： 朴素贝叶斯 贝叶斯网络 朴素贝叶斯 特征属性之间没有关联关系，相互独立的，在此基础上应用贝叶斯定理。 文本数据分类知识 阅读全文
摘要：
目录 梯度下降法、拉格朗日乘子法、KKT条件回顾感知器模型回顾SVM线性可分SVM线性不可分核函数SMO SVM线性可分，SVM线性不可分，核函数，要求会推导 ———————————————————————————— 学习率（步长）可以是任何数，如果是二阶偏导数的话，则为牛顿法 优化问题： 给定一个 阅读全文
摘要：
谱聚类是基于谱图理论基础上的一种聚类方法，与传统的聚类方法相比: 具有在任意形状的样本空间上聚类并且收敛于全局最优解的优点。 通过对样本数据的拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据进行聚类的目的; 其本质是将聚类问题转换为图的最优划分问题，是一种点对聚类算法。谱聚类算法将数据集中的每个对 阅读全文
摘要：
原理：先设置两个先验值r1，r2，我把他们理解为内圈外圈，大家可以跟我学。将所有样本放入一个列表，随机选一个样本拿出来作为第一个簇的簇中心点，然后从列表中剩下的所有样本中随机抽取一个,，计算其与簇中心点的距离。 如果大于外圈r1，则不属于此簇，而是拿出去单独成为一簇，并作为簇中心点，从列表中删除此样 阅读全文