03 2024 档案

1.3 - 线性回归
摘要：1.模型理念 解决分类问题的目标是，根据现有数据获得一个分类器，当出现新数据后代入分类器，得到新数据属于哪个类别；而所谓的回归：其本来应该在什么位置，实际案例中可能会有所偏离，但是随着趋势的进行，其结果不会一直偏离下去而是会在原本应该的位置上下抖动。对这类回归问题的研究方法是：根据现有的观测数据，找 阅读全文
posted @ 2024-03-18 20:34 橘子葡萄火龙果 阅读(12) 评论(0) 推荐(0) 编辑
1.2 - 特征归一化、梯度下降、模型评估、过拟合与欠拟合
摘要：1.数据特征的归一化 1.1 问题产生 当样本不同特征数据的数值范围相差过大，目标函数会变得很扁，在梯度下降的时候，梯度方向会在一定程度上偏离极值点方向，降低了训练效率，增大了训练时间。有些训练数据的值很大，很容易超出数值范围，不利于运算。 1.2 归一化方法 通过归一化来解决上述问题，即：去量纲化 阅读全文
posted @ 2024-03-18 13:39 橘子葡萄火龙果 阅读(66) 评论(0) 推荐(0) 编辑
1.1 - 机器学习概述
摘要：1. ML基本认识 机器学习是研究AI的一种方法。其从数据中挖掘特征从而学习到一些规律、规则（模型），然后对输入的新数据做出 预测(回归)和判断(分类)。 机器学习主要分为： 有监督学习：数据有标签，有监督学习分为 分类&回归 两类问题。 无监督学习：数据无标签，如：聚类等。 半监督学习：人工标注是 阅读全文
posted @ 2024-03-18 13:37 橘子葡萄火龙果 阅读(26) 评论(0) 推荐(0) 编辑
1.4 - 机器学习与数学
摘要：1.4.1 现象和问与答 遇到无法用传统概率学方法来解决一些现实问题，如：多维度空间点分类。可以用ML领域的一些方法，事先建立模型，将 距离d =》概率P，用模型计算点属于哪一类的概率。 那对于新问题如何确定模型呢？ 进行随机样本实验，根据实验结果，反推模型参数。 现在有了实验数据，如何通过实验数据 阅读全文
posted @ 2024-03-12 15:11 橘子葡萄火龙果 阅读(8) 评论(0) 推荐(0) 编辑
1.3 - 优化理论
摘要：1.3.1 优化初步了解 逐步逼近解析解的过程。在实际问题当中，很多都是没有完全正确的解析解的，但是可以有数值解。（在我们接受的误差范围内，足够接近解析解的近似值。） 1.3.2 优化理论 - 最小二乘法 即：最小平方误差法。例：测量一物体长度，多次测量得到不同测量值（数值解），如何最精确的确定物体 阅读全文
posted @ 2024-03-08 16:44 橘子葡萄火龙果 阅读(31) 评论(0) 推荐(0) 编辑
1.2 - 概率论
摘要：1.2.1 概率认识 a）什么是概率：通俗的讲，概率就是 随机事件发生的可能性大小。 b）概率的公理化定义：设随机试验的样本空间Ω，若按照某种方法，对样本空间中的每一个事件 A 都赋予一个实数值 P(A)，且符合以下性质： 1）非负性：P(A) ≥ 0 2）规范性：P(Ω) = 1 3）(无限)可列 阅读全文
posted @ 2024-03-08 13:42 橘子葡萄火龙果 阅读(47) 评论(0) 推荐(0) 编辑
java - 流式编程
摘要：1.获取流的方法： // 1.从集合转化 List<Integer> list = new ArrayList<>(); Stream<Integer> stream = list.stream();// 转化为流 stream.Collect(Collectors.toList());//转换为流 阅读全文
posted @ 2024-03-03 15:38 橘子葡萄火龙果 阅读(410) 评论(0) 推荐(0) 编辑