随笔分类 - 机器学习
摘要：参考：机器学习实战 一、概念重梳理 二、使用K-近邻算法改进约会网站的匹配效果关键要点 数据归一化：
阅读全文
摘要：转自：https://www.cnblogs.com/Rosanna/p/3615507.html K-近邻和最近邻（K=1）是模式识别中常用的分类方法，K-近邻算法思想是找到与当前样本相邻的K个有标签样本，然后通过投票决定此样本的类别。例如下图中如何分类未知的绿色圆圈呢？ 例如我们可以取K=3个临
阅读全文
摘要：转自：https://blog.csdn.net/ustbbsy/article/details/80423294 1 引言 最近做一个项目，准备用逻辑回归来把数据压缩到[-1,1]，但最后的预测却是和标签类似（或者一样）的预测。也就是说它的predict的结果不是连续的，而是类别，1,2,3,..
阅读全文
摘要：转自：https://blog.csdn.net/fisherming/article/details/79509025 一. 朴素贝叶斯 朴素贝叶斯中的朴素一词的来源就是假设各特征之间相互独立。这一假设使得朴素贝叶斯算法变得简单，但有时会牺牲一定的分类准确率。 首先给出贝叶斯公式： 换成分类任务的
阅读全文
摘要：转自:https://blog.csdn.net/px_528/article/details/72963977 写在前面说到Adaboost，公式与代码网上到处都有，《统计学习方法》里面有详细的公式原理，Github上面有很多实例，那么为什么还要写这篇文章呢？希望从一种更容易理解的角度，来为大家呈
阅读全文
摘要：转自：https://cuijiahua.com/blog/2017/11/ml_8_svm_1.html 什么是SVM？ SVM的英文全称是Support Vector Machines，我们叫它支持向量机。支持向量机是我们用于分类的一种算法。让我们以一个小故事的形式，开启我们的SVM之旅吧。 在
阅读全文
摘要：转自：http://python.jobbole.com/86811/ 目录 1 什么是随机森林 1.1 集成学习 1.2 随机决策树 1.3 随机森林 1.4 投票 2 为什么要用它 3 使用方法 3.1 变量选择 3.2 分类 3.3 回归 4 一个简单的Python示例 结语 1.1 集成学习
阅读全文
摘要：转自：https://blog.csdn.net/qq_43208303/article/details/84837412 决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和CART等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每
阅读全文
摘要：转自：https://blog.csdn.net/zhihua_oba/article/details/73832614 k-means算法详解主要内容 k-means算法简介k-means算法详解k-means算法优缺点分析k-means算法改进算法k-means++1、k-means算法简介 k
阅读全文
摘要：转自：http://www.ruanyifeng.com/blog/2017/07/neural-network.html 眼下最热门的技术，绝对是人工智能。 人工智能的底层模型是"神经网络"（neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习）都基于它
阅读全文
摘要：转自：https://blog.csdn.net/pipisorry/article/details/46618991 1、确定性模式（Deterministic Patterns）：确定性系统 考虑一套交通信号灯，灯的颜色变化序列依次是红色-红色/黄色-绿色-黄色-红色。这个序列可以作为一个状态机
阅读全文
摘要：转自：https://blog.csdn.net/jrunw/article/details/79205322 弱人工智能近几年取得了重大突破，悄然间，已经成为每个人生活中必不可少的一部分。以我们的智能手机为例，看看到底温藏着多少人工智能的神奇魔术。 下图是一部典型的智能手机上安装的一些常见应用程序
阅读全文
