随笔分类 - 机器学习算法
摘要：随机森林（Random Forest，简称RF）是通过集成学习的思想将多棵树集成的一种算法，它的基本单位是决策树模型，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。我们知道，集成学习的实现方法主要分为两大类，即 Bagging 和 boosting 算法，随
阅读全文
摘要：经过前面的学习，我们认识了机器学习中的常用回归算法、分类算法和聚类算法，在众多的算法中，除神经网络算法之外，没有一款算法模型预测准确率达到 100%，因此如何提高预测模型的准确率成为业界研究的重点。通过前面内容的学习，你可能会迅速想到一些方法，比如选择一款适合的算法，然后反复调整各种参数，其实这并不
阅读全文
摘要：在深度学习大热的当下，神经网络算法是最知名、应用最为广泛的机器学习算法。可以毫不夸张地说，你所能接触到的人工智能产品，绝大部分都使用了神经网络算法，比如手机经常用到的刷脸解锁、美颜修图、照片中的人物识别等，都是基于神经网络分类算法实现的。 神经网络算法特点 我们知道，深度学习的本质就是神经网络算法（
阅读全文
摘要：在本教程的开篇《人工智能是什么》一节中详细的阐述了深度学习发展历程，以及人工智能、机器学习、深度学习三者间的关系。就目前而言，这三者中红到发紫的当属“深度学习”。深度学习（Deep Learning）这一概念是由 Geoffrey Hinton（深度学习之父）于 2006 年提出，但它的起源时间要早
阅读全文
摘要：通过《人工神经网络是什么》一节，我们了解了神经网络的发展历程，同时掌握了人工神经网络的基本结构。在本节将主要围绕“反向传播算法”对人工神经网络的分类原理进行讲解。在神经网络算法还没流行前，机器学习领域最受关注的算法是“支持向量机算法（即 SVM 算法）”，如今神经网络方兴未艾，您也许会好奇，神经网络
阅读全文
摘要：K-means 聚类算法属于无监督学习，它会将相似的对象归到同一个簇中，该算法原理简单，执行效率高，并且容易实现，是解决聚类问题的经典算法。尽管如此，任何一款算法都不可能做到完美无瑕，K-measn 算法也有自身的不足之处，比如 K-means 需要通过算术平均数来度量距离，因此数据集的为维度属性必
阅读全文
摘要：机器学习算法主要分为两大类：有监督学习和无监督学习，它们在算法思想上存在本质的区别。有监督学习，主要对有标签的数据集（即有“参考答案”）去构建机器学习模型，但在实际的生产环境中，其实大量数据是处于没有被标注的状态，这时因为“贴标签”的工作需要耗费大量的人力，如果数据量巨大，或者调研难度大的话，生产出
阅读全文
摘要：我们了解了 K-means 聚类算法的聚类过程，其实就是不断寻找簇的质心的过程，该过程从随机设定 K 个质心开始，直到找到 K 个最合适的质心为止。本节我们透过算法流程直击算法的本质，帮助您彻底理解 K-means 算法。 度量最小距离 对于 K-means 聚类算法而言，找到质心是一项既核心又重要
阅读全文
摘要：SVM 是一种有监督学习分类算法，输入值为样本特征值向量和其对应的类别标签，输出具有预测分类功能的模型，当给该模型喂入特征值时，该模型可以它对应的类别标签，从而实现分类。 Sklearn库SVM算法 下面我看一下 Python 的 Scikit -Learn（简称 Sklearn） 库是如何实现 S
阅读全文
摘要：本节将从数学角度讲解支持向量机（SVM）相关知识，掌握这些有利用加深对 SVM 算法原理的理解，对于学习任何一款机器学习算法都是非常有帮助的，虽然各种数学公式很难懂，但本人会尽最大努力去讲明白。尽管如此由于每位读者的数学基础不一样，如有表达不到位的地方，还请海涵。 再谈间隔最大化 我们知道，支持向量
阅读全文
摘要：通过上一节的学习，我们知道 SVM 是一种用来解决性线性不可分问题的算法，那它到底是如何解决的呢？在本节我们将对其做出详细的解释。 让棋子飞起来 首先我们来回味一下《初识 SVM支持向量机算法》一节提到的案例：在一个棋盘上杂糅的摆放着黑白两种棋子，要求我们以最快的速度将它们各自分开，这时我们应该如何
阅读全文
摘要：支持向量机，英文全称“Support Vector Machines”（简称 SVM），它是机器学习中最常用的一种“分类算法”。SVM 是一种非常优雅的算法，有着非常完善的数学理论基础，其预测效果，在众多机器学习模型中可谓“出类拔萃”。在深度学习没有普及之前，“支持向量机”可以称的上是传统机器学习中
阅读全文
摘要：本节基于 Python Sklearn 机器学习算法库，对决策树这类算法做相关介绍，并对该算法的使用步骤做简单的总结，最后通过应用案例对决策树算法的代码实现进行演示。 决策树算法应用 在 sklearn 库中与决策树相关的算法都存放在sklearn.tree模块里，该模块提供了 4 个决策树算法，下
阅读全文
摘要：本节我们对决策算法原理做简单的解析，帮助您理清算法思路，温故而知新。我们知道，决策树算法是一种树形分类结构，要通过这棵树实现样本分类，就要根据 if -else 原理设置判别条件。因此您可以这样理解，决策树是由许多 if -else 分枝组合而成的树形模型。 决策树算法原理 决策树特征属性是 if
阅读全文
摘要：首先来看一个“我想你来猜”的游戏，游戏规则很简单：一个人从脑海中构建一个事物，另外几个人最多可以向他提问 20 个问题，游戏规定，问题的答案只能用是或者否来回答。问问题的人通过回答者的“答案”来推分析、逐步缩小待猜测事物的范围，从而来判断他想的是什么。其实这个游戏与决策树工作过程相似。那么你有没有考
阅读全文
摘要：通过两节知识的学习，相信你对朴素贝叶斯算法有了初步的掌握，本节将实际应用朴素贝叶斯算法，从实战中体会算法的精妙之处。首先看下面一个简单应用案例： 简单应用案例 假设一个学校有 45% 的男生和 55% 的女生，学校规定不能穿奇装异服，男生的裤子只能穿长筒裤，而女生可以穿裙子或者长筒裤，已知该学校穿长
阅读全文
摘要：在本节我们将介绍“机器学习”中的“明星”算法“决策树算法”。决策树算法在“决策”领域有着广泛的应用，比如个人决策、公司管理决策等。其实更准确的来讲，决策树算法算是一类算法，这类算法逻辑模型以“树形结构”呈现，因此它比较容易理解，并不是很复杂，我们可以清楚的掌握分类过程中的每一个细节。 if-else
阅读全文
摘要：在此基础之上，这一节我们将深入讲解“朴素贝叶斯算法”。我们知道解决分类问题时，需要根据他们各自的特征来进行判断，比如区分“一对双胞胎不同之处”，虽然他们看起来相似，但是我们仍然可以根据细微的特征，来区分他们，并准确地叫出他们的名字。就像一句非常有哲理的话，“世界上没有完全相同的两片树叶”，因此被分类
阅读全文
摘要：朴素贝叶斯（Naive Bayesian algorithm）是有监督学习的一种分类算法，它基于“贝叶斯定理”实现，该原理的提出人是英国著名数学家托马斯·贝叶斯。贝叶斯定理是基于概率论和统计学的相关知识实现的，因此在正式学习“朴素贝叶斯算法”前，我们有必要先认识“贝叶斯定理”。 贝叶斯定理 贝叶斯定
阅读全文
摘要：Pyhthon Sklearn 机器学习库提供了 neighbors 模块，该模块下提供了 KNN 算法的常用方法，如下所示： 类方法 说明 KNeighborsClassifier KNN 算法解决分类问题 KNeighborsRegressor KNN 算法解决回归问题 RadiusNeighb
阅读全文
浙公网安备 33010602011771号