随笔分类 - 机器学习
摘要：转载自:Netlink 内核实现分析（一）：创建 一:Netlink基础概念 Netlink 是一种IPC（Inter Process Commumicate）机制，它是一种用于内核与用户空间通信的机制，同时它也以用于进程间通信（Netlink 更多用于内核通信，进程之间通信更多使用Unix域套接字
阅读全文
摘要：一：参考资料 （一）机器学习实战 （二）如何让奇异值分解(SVD)变得不“奇异”？（特别好理解SVD） http://redstonewill.com/1529/ https://blog.csdn.net/yusisc/article/details/82216800 （三）奇异值分解(SVD)原
阅读全文
摘要：一：参考资料 （一）机器学习基础 无监督学习之降维 （二）机器学习作业 主成分分析PCA （三）PCA的数学原理（墙） （四）numpy.linalg,eig(a)函数 （五）numpy.linalg.svd函数 二：代码实现 import numpy as np import matplotlib
阅读全文
摘要：一：参考资料 （一）机器学习实战 （二）以下3篇简单了解 https://baijiahao.baidu.com/s?id=1661651339862291744&wfr=spider&for=pc（不全，但简单） https://blog.csdn.net/qq_40587575/article/
阅读全文
摘要：一：参考资料 （一）机器学习实战或者见https://blog.csdn.net/qq_36523839/article/details/82191677 （二）Apriori算法是什么？适用于什么情境？（更好的理解关联规则） （三）python中set和frozenset方法和区别 二：实现Apr
阅读全文
摘要：一：案例学习 （一）西瓜书 （二）https://zhuanlan.zhihu.com/p/27126737（看这个即可了解AdaBoost算法原理） 二：代码实现 （一）数据加载 import numpy as np import matplotlib.pyplot as plt def load
阅读全文
摘要：一：回顾SVM中的SMO算法 https://www.cnblogs.com/ssyfj/p/13363526.html 二：核函数的了解 （一）西瓜书（粗略了解） （二）统计学习方法（详细） （三）推文：支持向量机原理(三)线性不可分支持向量机与核函数 （四）推文：核函数和核矩阵 （五）机器学习实
阅读全文
摘要：一：SVM算法 （一）见西瓜书及笔记 （二）统计学习方法及笔记 （三）推文https://zhuanlan.zhihu.com/p/34924821 （四）推文 支持向量机原理(一) 线性支持向量机 支持向量机原理(二) 线性支持向量机的软间隔最大化模型 二：SMO算法 （一）见西瓜书及笔记 （二）
阅读全文
摘要：一：一般K均值聚类算法实现 （一）导入数据 import numpy as np import matplotlib.pyplot as plt def loadDataSet(filename): dataSet = np.loadtxt(filename) return dataSet （二）计
阅读全文
摘要：机器学习实战 决策树CART简介及分类树实现 一：对比分类树 CART回归树和CART分类树的建立算法大部分是类似的，所以这里我们只讨论CART回归树和CART分类树的建立算法不同的地方。首先，我们要明白，什么是回归树，什么是分类树。 两者的区别在于样本输出： 如果样本输出是离散值，那么这是一颗分类
阅读全文
摘要：https://blog.csdn.net/weixin_43383558/article/details/84303339?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.n
阅读全文
摘要：回顾梯度下降和正规方程：https://www.cnblogs.com/ssyfj/p/12788147.html 一：正规方程解法（最小二乘法） （一）加载数据 import numpy as np import matplotlib.pyplot as plt def loadDataSet(f
阅读全文
摘要：回顾： 梯度下降 梯度下降和梯度上升区别 一：加载数据和实现sigmoid函数（同梯度下降） import numpy as np def loadDataSet(): data = np.loadtxt("testSet.txt") data_X = data[:,0:2] data_Y = da
阅读全文
摘要：一：训练模型、实现预测函数 import numpy as np import re import random def loadDataSet(): DataSetList=[] #全部数据集 classVec = [] #标签值 #获取数据 SpamPath = "email/spam/{}.t
阅读全文
摘要：一：准备数据 （一）加载原始数据 import numpy as np def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], #每一行词表，代表一个文档 ['maybe'
阅读全文
摘要：一:代码实现 import numpy as np from math import log （一）创建数据集 # 创建数据集 def createDataSet(): dataSet = [[1, 1], [1, 1], [1, 0], [0, 1], [0, 1]] labels = [1, 1
阅读全文
摘要：https://blog.csdn.net/App_12062011/article/details/51986805 一：kd树构建 以二维平面点((x,y))的集合(2,3)，(5,4)，(9,6)，(4,7)，(8,1)，(7,2)为例结合下图来说明k-d tree的构建过程。 （一）构建步骤
阅读全文
摘要：作业: 一:感知机算法原始形式实现 （一）伪代码 （二）实现感知机算法 class MyPerceptron: def __init__(self): # 属性初始化 self.w = None self.b = 0 self.l_rate = 1 def fit(self, X_train, y_
阅读全文
摘要：一：简单实现K-近邻算法 （一）导入数据 import numpy as np import matplotlib.pyplot as plt import pandas as pd def CreateDataSet(): data = np.array([[1.0,1.1],[1.0,1.0],
阅读全文
摘要：一：问题描述和流程图 将介绍一种机器学习的应用实例：照片OCR技术，介绍它的原因： （1）首先，展示一个复杂的机器学习系统是如何被组合起来的； （2）接着，介绍一下机器学习流水线的有关概念以及如何分配资源来对下一步计划作出决定；（适用于个人或者团队开发机器学习应用） （3）最后，介绍一下照片OCR问
阅读全文