bonelee - 博客园

2018年5月7日

摘要： from:https://www.cnblogs.com/bigmonkey/p/7387943.html 加权kNN 上篇文章中提到为每个点的距离增加一个权重，使得距离近的点可以得到更大的权重，在此描述如何加权。反函数该方法最简单的形式是返回距离的倒数，比如距离d，权重1/d。有时候，完全一样阅读全文

posted @ 2018-05-07 23:31 bonelee 阅读(4488) 评论(0) 推荐(0)

tensorflow knn 预测房价注意有 Min-Max Scaling

摘要：示例数据：代码：最大值与最小值之差：ptp() 阅读全文

posted @ 2018-05-07 22:49 bonelee 阅读(918) 评论(0) 推荐(0)

思科安全：加密流量威胁检测、加密流量威胁和恶意软件检测、识别无线干扰或威胁、Talos 情报源可加强对已知和新型威胁的防御、分布式安全异常检测

摘要：思科DNA竞品比较工具思科DNA竞品比较工具思科DNA竞品比较工具您的网络能够驱动数字化转型吗？根据IDC调查，45%的受调研公司计划在未来两年内做好网络数字化的准备。查看数字化网络带来的结果和商业价值。下载报告您的网络能够驱动数字化转型吗？根据IDC调查，45%的受调研公司计划在未来阅读全文

posted @ 2018-05-07 11:45 bonelee 阅读(2347) 评论(5) 推荐(0)

riverbed 流量分析——还是在基于流量做运维

摘要： from:https://www.riverbed.com/sg/digital-performance/index.htmlMaximise Your Digital PerformanceConnecting people, businesses, and experiences in the 阅读全文

posted @ 2018-05-07 10:07 bonelee 阅读(486) 评论(0) 推荐(0)

2018年5月5日

tensorflow实现svm多分类 iris 3分类——本质上在使用梯度下降法求解线性回归（loss是定制的而已）

摘要： # Multi-class (Nonlinear) SVM Example # # This function wll illustrate how to # implement the gaussian kernel with # multiple classes on the iris dataset. # # Gaussian Kernel: # K(x1, x2) = exp(-ga... 阅读全文

posted @ 2018-05-05 23:00 bonelee 阅读(1884) 评论(0) 推荐(0)

tensorflow实现svm iris二分类——本质上在使用梯度下降法求解线性回归（loss是定制的而已）

摘要： iris二分类下面例子数据集可能更好看；高斯核函数的应用，其实也可以自定义很多核函数：阅读全文

posted @ 2018-05-05 22:41 bonelee 阅读(1739) 评论(0) 推荐(0)

tensorflow 实现逻辑回归——原以为TensorFlow不擅长做线性回归或者逻辑回归，原来是这么简单哇！

摘要：实现的是预测低出生体重的概率。尼克·麦克卢尔（Nick McClure）. TensorFlow机器学习实战指南 (智能系统与技术丛书) (Kindle 位置 1060-1061). Kindle 版本. 阅读全文

posted @ 2018-05-05 22:28 bonelee 阅读(425) 评论(0) 推荐(0)

岭回归与Lasso回归

摘要：线性回归的一般形式过拟合问题及其解决方法问题：以下面一张图片展示过拟合问题解决方法：(1)：丢弃一些对我们最终预测结果影响不大的特征，具体哪些特征需要丢弃可以通过PCA算法来实现；(2)：使用正则化技术，保留所有特征，但是减少特征前面的参数θ的大小，具体就是修改线性回归中的损失函数形式即可，岭阅读全文

posted @ 2018-05-05 22:17 bonelee 阅读(6931) 评论(0) 推荐(0)

tensorflow 线性回归 iris

摘要：线性拟合🌹叶子的长宽：阅读全文

posted @ 2018-05-05 22:01 bonelee 阅读(377) 评论(1) 推荐(0)

简单多元线性回归（梯度下降算法与矩阵法）

摘要： from：https://www.cnblogs.com/shibalang/p/4859645.html 多元线性回归是最简单的机器学习模型，通过给定的训练数据集，拟合出一个线性模型，进而对新数据做出预测。对应的模型如下： n: 特征数量。一般选取残差平方和最小化作为损失函数，对应为： M:训阅读全文

posted @ 2018-05-05 21:46 bonelee 阅读(10424) 评论(0) 推荐(0)

将者，智、信、仁、勇、严也。

Hi，我是李智华，华为-安全AI算法专家，欢迎来到安全攻防对抗的有趣世界。

公告