随笔分类 - ML
摘要：一.什么是机器学习： 机器学习的思路：我们可以利用一些训练数据（已经做过的题），使机器能够利用它们（解题方法）分析未知数据（考场的题目）。就像考试前老师给我们预测考试会考什么一样。 简单的一句话：机器学习就是让机器从大量的数据集中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以
阅读全文
摘要：这是一个单变量（房子的面积）问题。这是一个监督学习的问题，对于每一个数据我们都给出了一个正确的price。 准备工作： 在书中他的表示是 hθ(x) = θ0 + θ1x1，它的意思是因为只有一个变量x1所以称之为单变量线性回归。 这些都目前看来没有什么问题。下一步提出了一个代价函数的感念，也就是说
阅读全文
摘要：1.mp神经元 x表示输入（如果是第一层的那么就是数据，第二层的就是第一层输出的值） w表示权重，是自己给定或者随机初始化的值，后期通过修正让他到一个合理的区间 用阈值θ来描述激活该神经元的难易程度，越大越难激活； 用来计算神经元的兴奋程度； 为激活函数，用来计算神经元的输出； 在MP神经元中，激活
阅读全文
摘要：1. 支持向量 1.1 线性可分 首先我们先来了解下什么是线性可分。 在二维空间上，两类点被一条直线完全分开叫做线性可分。 简单说就是如图上这样，一个线（FX）把D1和D0分为两个类，FD1>0,FD2<0 1.2 最大间隔超平面 当进入一个三维的时候，这个分割就变成了一个木板，具体做的就是把这个分
阅读全文
摘要：逻辑回归是一个分类的问题，结果要么是0要么是1 书本中提到一个例子就是判断肿瘤是否是良性还是恶性的，但其实在我看来，0和1是组成一切的单元基，正如我们目前使用的电脑中能看到一切都能转换为0和1，判断房子的价格也可以，可以先判断房子是否有卧室等各种条件，如果有就可以对应的增加一定的价值，最后推出房子的
阅读全文
摘要：神经网络(Neural Network)是一种模仿生物神经网络构造的数学模型。很多文章喜欢从生物的神经元结构方面入手，展开对人工神经网络的介绍。但那样会引入更多意味不明的单词，比如突触，树突，轴突……所以这里并不会深入的介绍生物的神经网络是怎么工作的，只会说明为什么人工神经网络要构造成这样。本文按照
阅读全文
摘要：核函数的作用就是隐含着一个从低维空间到高维空间的映射，而这个映射可以把低维空间中线性不可分的两类点变成线性可分的。 什么是线性不可分什么又是线性可分呢？ 线性不可分简单来说就是你一个数据集不可以通过一个线性分类器（直线、平面）来实现分类。这样子的数据集在实际应用中是很常见的，例如：人脸图像、文本文档
阅读全文
摘要：核函数使用的条件: 核函数的充要条件是K矩阵是半正定的。 将K特征值分解，有V'KV=∧,K=V∧V' 经特征映射将属性值映射到特征空间Ф：xi->sqrt(λ:)*Vi: （根号对角特征值阵*第i点对应的特征向量阵的第i行阵） 核函数K(x,z)对应于特征映射Ф的核函数=<Ф(x)•Ф(z)> 先
阅读全文
摘要：偏差度量了学习算法的期望预测与真实结果的偏离程度，刻画了学习算法本身的拟合能力。 方差度量了同样大小的训练集的变动所导致的学习性能的变化，刻画了数据扰动所造成的影响。 噪声表达了当前任务上任何学习算法所能达到的期望泛化误差的下界，也就是最小值。 泛化误差可以分解为偏差、方差和噪声之和。 一般来说，偏
阅读全文
浙公网安备 33010602011771号