关于adaboost分类器
摘要：我花了将近一周的时间，才算搞懂了adaboost的原理。这根骨头终究还是被我啃下来了。 Adaboost是boosting系的解决方案，类似的是bagging系，bagging系是另外一个话题，还没有深入研究。Adaboost是boosting系非常流行的算法。但凡是介绍boosting的书籍无不介
阅读全文
posted @ 2019-02-18 21:59
02 2019 档案
到底什么是贝叶斯？
摘要：朴素贝叶斯，到底什么是贝叶斯？ 先验概率：就是在某个元素在某个分类中概率，比如一个公司，里面有运维团队，开发团队（分类）里面有100个人；有海事大学的10个人，那么海事大学在开发团队中概率是10%； 后验概率：那么作为该公司的一个海事大学的毕业生，是在开发团队中概率是多少？（还有测试团队，运维团队）；贝叶斯解决的，就是根据先验概率来求解后验概率。 体会一下，贝叶斯问题其实就是一个...
阅读全文
posted @ 2019-02-17 12:22
逻辑回归（logic regression）的分类梯度下降
摘要：首先明白一个概念，什么是逻辑回归；所谓回归就是拟合，说明x是连续的；逻辑呢？就是True和False，也就是二分类；逻辑回归即使就是指对于二分类数据的拟合（划分）。 那么什么是模型呢？模型其实就是函数。函数是由三部分组成：自变量，因变量以及参数。 此次采用模型是sigmoid函数： sigmoid函
阅读全文
posted @ 2019-02-17 12:02
机器学习随想（一）
摘要：为什么分类处理成-1,1 我好像突然明白了为什么要分类为正负1，因为sigmond函数其实真是的区分度是0值，其上是分割线的右边，多是大于0，其下都是小于0，值其实是连续的，但是完全可以通过正负号来进行分类区分。所以分类一般倾向于通过正负1来搞，而不是0，1，；在python中sign函数就是用来获
阅读全文
posted @ 2019-02-17 11:23
nonzero
摘要：在python的numpy里面这个函数的意义是返回参数数组中不为0的元素的索引（indics）。 from numpy import array output： [[1 0 0] [0 2 0] [1 1 0]] (array([0, 1, 2, 2], dtype=int64), array([0
阅读全文
posted @ 2019-02-11 07:49
