摘要：
简单易学的机器学习算法—基于密度的聚类算法DBSCAN一、基于密度的聚类算法的概述 我想了解下基于密度的聚类算法，熟悉下基于密度的聚类算法与基于距离的聚类算法，如K-Means算法之间的区别。 基于密度的聚类算法主要的目标是寻找被低密度区域分离的高密度区域。与基于距离的聚类算法不同的是... 阅读全文
posted @ 2017-03-22 09:21
刘小子
阅读(255)
评论(0)
推荐(0)
摘要：
机器学习中的隐马尔科夫模型（HMM）详解在之前介绍贝叶斯网络的博文中，我们已经讨论过概率图模型（PGM）的概念了。Russell等在文献【1】中指出：“在统计学中，图模型这个术语指包含贝叶斯网络在内的比较宽泛的一类数据结构。” 维基百科中更准确地给出了PGM的定义：“Agraphical mo... 阅读全文
posted @ 2017-03-19 11:05
刘小子
阅读(389)
评论(0)
推荐(0)
摘要：
机器学习中的隐马尔科夫模型（HMM）详解在之前介绍贝叶斯网络的博文中，我们已经讨论过概率图模型（PGM）的概念了。Russell等在文献【1】中指出：“在统计学中，图模型这个术语指包含贝叶斯网络在内的比较宽泛的一类数据结构。” 维基百科中更准确地给出了PGM的定义：“Agraphical mo... 阅读全文
posted @ 2017-03-19 11:05
刘小子
阅读(1189)
评论(0)
推荐(0)
摘要：
机器学习实战之PCA1. 向量及其基变换1.1 向量内积(1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数.(2) 内积的几何意义假设A\B是两个n维向量, n维向量可以等价表示为n维空间中的一条从原点发射的有向线段, 为方便理解,在这里假设A和B都是二维向量.A=(... 阅读全文
posted @ 2017-03-16 14:12
刘小子
阅读(173)
评论(0)
推荐(0)
摘要：
机器学习实战之PCA1. 向量及其基变换1.1 向量内积(1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数.(2) 内积的几何意义假设A\B是两个n维向量, n维向量可以等价表示为n维空间中的一条从原点发射的有向线段, 为方便理解,在这里假设A和B都是二维向量.A=(... 阅读全文
posted @ 2017-03-16 14:12
刘小子
阅读(250)
评论(0)
推荐(0)
摘要：
机器学习实战之Apriori1. 关联分析1.1 定义 关联分析是一种在大规模数据上寻找物品间隐含关系的一种任务.这种关系有2种形式:频繁项集和关联规则. (1) 频繁项集(frequent item sets): 经常出现在一起的物品的集合; (2) 关联... 阅读全文
posted @ 2017-03-16 13:07
刘小子
阅读(271)
评论(0)
推荐(0)
摘要：
机器学习实战之Apriori1. 关联分析1.1 定义 关联分析是一种在大规模数据上寻找物品间隐含关系的一种任务.这种关系有2种形式:频繁项集和关联规则. (1) 频繁项集(frequent item sets): 经常出现在一起的物品的集合; (2) 关联... 阅读全文
posted @ 2017-03-16 13:07
刘小子
阅读(251)
评论(0)
推荐(0)
摘要：
R语言之数据处理一、向量处理1.选择和显示向量data[1]data[3]data[1:3]data[-1]：除第一项以外的所有项data[c(1,3,4,6)]data[data>3]data[data7]：小于5或大于7的所有项which(data == max(data))：显示数值最大... 阅读全文
posted @ 2017-03-15 21:05
刘小子
阅读(728)
评论(0)
推荐(0)
摘要：
R语言之数据处理一、向量处理1.选择和显示向量data[1]data[3]data[1:3]data[-1]：除第一项以外的所有项data[c(1,3,4,6)]data[data>3]data[data7]：小于5或大于7的所有项which(data == max(data))：显示数值最大... 阅读全文
posted @ 2017-03-15 21:05
刘小子
阅读(300)
评论(0)
推荐(0)
摘要：
主成分分析（PCA）特征选择算法详解1. 问题真实的训练数据总是存在各种各样的问题：1、比如拿到一个汽车的样本，里面既有以“千米/每小时”度量的最大速度特征，也有“英里/小时”的最大速度特征，显然这两个特征有一个多余。2、拿到一个数学系的本科生期末考试成绩单，里面有三列，一列是对数学的兴趣程度... 阅读全文
posted @ 2017-03-13 11:01
刘小子
阅读(608)
评论(0)
推荐(0)
浙公网安备 33010602011771号