随笔分类 - 机器学习
主要解决遇到的深度学习问题，从原理到开发。
摘要：1. 激活函数概念 所谓激活函数（Activation Function），就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。激活函数（Activation functions）对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到
阅读全文
摘要：1. 损失函数 损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。例如在统计学和机器学习中被
阅读全文
摘要：1. k近邻算法(K-Nearest Neighbor，KNN) K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该
阅读全文
摘要：1. 基于密度的聚类算法 基于密度的聚类算法主要思想是只要邻近区域的密度（对象的个数）超过某个阈值，就把它加入到与之相近的聚类中。基于密度的聚类算法代表有DBSCAN算法、OPTICS算法及DENCLUE算法等。 2. DBSCAN(Density-Based Spatial Clustering
阅读全文
摘要：1. k-means聚类 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类是建立在无类标记的数据上，是一种非监督的学习算法 k均值聚类算法（k-means clustering algorithm）是最著名的划分聚类算法，是一种迭代求解的聚类分
阅读全文
摘要：1. 支持向量机 支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maxim
阅读全文
摘要：1.条件概率 条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为：P（A|B），读作“A在B发生的条件下发生的概率”。若只有两个事件A，B，那么： 在上式中P(B)不能等于0，另外，如果A,B相互独立，有P(AB)=P(A)P(B) 2.全概率公式 全概率公式为概率论中的重要公式，它将
阅读全文
摘要：1.决策树 在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。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测试，每个分支代表一个测试输出，每个叶节点代表一种类别。 分类树（决策树）是一种十分常用的分类方法。它是一种监督学习，所谓监督学习就是给定一堆样本，每个
阅读全文
摘要：1.混淆矩阵 通常对于二分类模型，我们的预测结果与实际情况两两组合，会得到4种结果。这4中结果组成了混淆矩阵。以0,1作为两种类别。如下： 用P(Positive)、N(Negative)代表1、0两种结果，T(True)代表预测正确，F(False)代表预测错误。重新表示混淆矩阵就变成了下面这个样
阅读全文
摘要：1.逻辑回归 逻辑回归是一种线性回归模型,它假设数据服从伯努力分布(二项分布,0-1分布),通过极大似然估计,运用梯度下降方法(牛顿法) 求解,进而达到二分类目的。逻辑回归与线性回归有很多相似之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。逻辑回归以线性回归理论作为支持。由于引入
阅读全文
摘要：安装好tensorflow后，导入tensorflow后报错，提示ImportError: Could not find the DLL(s) 'msvcp140_1.dll' 1.解决办法 既然报错，猜测tensorflow也需要调用C++函数，按照提示，打开https://support.mic
阅读全文
