随笔分类 - 人工智能-机器学习
摘要：前言 在刚入门的时候，我们很容易被这些词语弄得眼花缭乱，如人工智能、机器学习、深度学习及强化学习等等。它们之间互相联系，却有一定区别。我们学习人工智能AI，需要对这些词语有一定的概念，不然，研究了这么久的算法和知识，却连我们在干什么都不知道，就十分不好，也会影响我们学习的进度。 人工智能 人工智能（
阅读全文
摘要：KNN:K-NearestNeighbor–K最近邻（原理） K最近邻，就是k个最近的邻居的意思，即：每个样本都可以用他最近的k个邻居来代表。核心思想：如果一个样本在特征空间中的K个最相邻的样本，并且最相邻样本中的大多数属于某一个类别（该样本也属于这个类别，并具有该类别上样本的特性）KNN很大程度上
阅读全文
摘要：3.2 层次方法 下图，上面是从左到右由5个簇逐渐合并成1个簇的过程，下面是从右到左由一个簇逐渐分裂成5个簇的过程 AGENS算法 最后面一句话是重点，假设有<A，B>，<C，D>两个簇，这两个簇的距离是由A-C，A-D，B-C，B-D最短的距离来表示的 练习
阅读全文
摘要：k-medoids算法 对上面图形的解释 第一幅图：原来p属于Oj的（实线），当Orandom代替了Oj，p属于Oi了（虚线）；第二幅图：原来p属于Oj的（实线），当Orandom代替了Oj，p属于Oj了（虚线）； 如果P的中心点发生了变化，则代价Cpjh为P到现在中心点的距离与P到之前中心点距离的
阅读全文
摘要：3.1划分方法 聚类算法距离——k-means算法 k-means算法 输入：簇的数；数据集；输出：k个簇方法：从数据集中找出k个对象当作原始的簇心； k-means算法的再次解读 k-means聚类算法练习-1 下面10个样本进行簇划分 使用代码计算连续值属性距离 import numpy as
阅读全文
摘要：1、聚类分析概述 聚类目前常用来做粗分类，粗分类完再细分类一般用其他算法实现 自顶向下法：分裂；自低向上法：聚合 2、相似性计算方法 2.1连续型属性的相似性计算方法 2.2二值离散型属性的相似性计算方法 2.3多值离散型属性的相似性计算方法 2.4混合类型属性的相似性计算方法 则d(1,2) =
阅读全文
摘要：【卷积】卷积的理解 准备转自：点击打开链接 1.知乎上排名最高的解释 首先选取知乎上对卷积物理意义解答排名最靠前的回答。 不推荐用“反转/翻转/反褶/对称”等解释卷积。好好的信号为什么要翻转？导致学生难以理解卷积的物理意义。 这个其实非常简单的概念，国内的大多数教材却没有讲透。 直接看图，不信看不懂
阅读全文
摘要：想象一下，目标函数是一座山的高度，约束是镶嵌在山上的一条曲线如下图。（渣画技看看就好了） 你为了找到曲线上的最低点，就从最低的等高线（0那条）开始网上数。数到第三条，等高线终于和曲线有交点了（如上图所示）。因为比这条等高线低的地方都不在约束范围内，所以这肯定是这条约束曲线的最低点了。 而且约束曲线在
阅读全文
摘要：1.松弛变量 现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样： 圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训练集，只比原先这个训练集多了一篇文章，映射到高维空间以后（当然，也使用了相同的核
阅读全文
摘要：1.正定矩阵和半正定矩阵 若所有特征值均大于零，则称为正定。 定义:A是n阶方阵，如果对任何非零向量x，都有>0,其中表示x的转置，就称A为正定矩阵。 性质: 正定矩阵的行列式恒为正； 实对称矩阵AA正定当且仅当AA与单位矩阵合同； 两个正定矩阵的和是正定矩阵； 正实数与正定矩阵的乘积是正定矩阵。
阅读全文
摘要：怎样区分线性和非线性 1.线性Line，是指量与量之间按照比例成直线关系，在数学上可理解为一阶导数是个常数； 非线性non-line则指不按照比例不成直线关系，一节导数不为常数。 2.线性可以认为是1次曲线，比如比如y=ax+b ，即成一条直线 非线性可认为是2次以上的曲线，比如y=ax^2+bx+
阅读全文