《机器学习》西瓜书第八章集成学习
摘要:8.1 个体与集成 概念:集成学习通过构建并结合多个学习器来完成学习任务,有事也被称为多分类系统、基于委员会的学习等。 一般结构:先产生一组“个体学习器”,再用某种策略将它们结合起来。个体学习器通常由一个现有的学习算法从训练数据中产生,例如决策树算法、BP神经网络算法;此时集成中只包含同种类型的个体
阅读全文
posted @
2019-09-27 16:07
曹婷婷
阅读(947)
推荐(0) 编辑
《机器学习》西瓜书第七章贝叶斯分类器
摘要:先验概率:基于已有知识对司机事件进行概率预估,但不考虑任何相关因素。 后验概率:基于已有知识对随机事件进行概率预估,并考虑相关因素P(c|X)。 7.1 贝叶斯决策论 贝叶斯决策论是概率框架下实施决策的基本方法。贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 在样本x上的“条件风险
阅读全文
posted @
2019-09-25 11:45
曹婷婷
阅读(2014)
推荐(0) 编辑
《机器学习》西瓜书第六章支持向量机
摘要:支持向量机分为:线性可分支持向量机、线性支持向量机、非线性支持向量机 线性可分支持向量机:训练数据线性可分,通过硬间隔最大化,学习一个线性的分类器; 线性支持向量机:训练数据近似线性可分,通过软间隔最大化,学习一个线性分类器 非线性支持向量机:训练数据线性不可分,通过使用核技巧以及软间隔最大化,学习
阅读全文
posted @
2019-09-20 16:11
曹婷婷
阅读(675)
推荐(0) 编辑
《机器学习》西瓜书第五章神经网络
摘要:本章主要介绍了神经元模型、一些典型的神经网络算法等 5.1 神经元模型 “神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,他的组织能够模拟生物神经系统对真实世界物体作出的交互反应” 神经网络中最基本的成分是神经元模型。沿用至今的“M-P神经元模型”:神经元接收到来自n个其他神经元传递过来的
阅读全文
posted @
2019-09-17 17:25
曹婷婷
阅读(977)
推荐(0) 编辑
《机器学习》西瓜书第四章决策树
摘要:本章主要对决策树算法进行了讲解,主要有决策树的生成过程、决策树的划分选择、决策树的剪枝处理、连续与缺失值的处理以及多变量决策树。 4.1 基本流程 决策树是基于树的结构来进行决策的。包含一个根节点、若干内部节点和若干叶节点。叶节点对应于决策结果,其他每个结点对应于一个属性测试。 决策树学习的目的是产
阅读全文
posted @
2019-09-16 20:56
曹婷婷
阅读(531)
推荐(0) 编辑
JavaScript笔记
摘要:1.document.getElementById("demo").innerHTML = "我的第一段 JavaScript"; 2. 使用 window.alert() 写入警告框 使用 document.write() 写入 HTML 输出 使用 innerHTML 写入 HTML 元素 使用
阅读全文
posted @
2019-09-02 10:00
曹婷婷
阅读(177)
推荐(0) 编辑