摘要：
问题1：什么是参数和非参数机器学习算法？ 1.1参数机器学习算法 （1）两步骤： 1. 选择一种目标函数的形式； 2. 从训练数据中学习目标函数的系数。 （2）参数机器学习算法的优点： 简单：这些算法很容易理解和解释结果； 快速：参数模型可以很快从数据中学习； 少量的数据：它们不需要太多的训练数据， 阅读全文
posted @ 2018-09-15 10:52 Charlie_ODD 阅读(221) 评论(0) 推荐(0)
摘要：
KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的 阅读全文
posted @ 2018-09-01 15:36 Charlie_ODD 阅读(467) 评论(0) 推荐(0)
摘要：
声明：本文引用自毕业于中国科学院计算技术研究所的刘昕博士 编程语言与DL框架的选择 当然，作为开发者，想要去实现一个模型，绕不开的问题便是： 应该选择什么语言？应该选择什么框架？ 对于开发人员而言，语言的选择其实不是问题。但作为入门，最为理所当然的建议则是Python，原因也非常简单：Python最 阅读全文
posted @ 2018-08-27 10:35 Charlie_ODD 阅读(8379) 评论(3) 推荐(1)
摘要：
1- 线性回归 2 - 逻辑回归 3 - 线性判别分析 4 - 决策树 5 - 随机森林算法 6 - SVM 7 - 朴素贝叶斯 8 - K最近邻算法 9 - K均值算法 10-Adaboost 算法 11--马尔可夫 1- 线性回归 预测建模主要关注的是如何最小化模型的误差，或是如何在一个可解释性 阅读全文
posted @ 2018-08-24 17:04 Charlie_ODD 阅读(383) 评论(0) 推荐(0)
摘要：
核心库 1. NumPy (提交数: 15980, 贡献者数: 522) 当开始处理Python中的科学任务，Python的SciPy Stack肯定可以提供帮助，它是专门为Python中科学计算而设计的软件集合（不要混淆SciPy库，它是SciPy Stack的一部分，和SciPy Stack的社 阅读全文
posted @ 2018-08-22 16:24 Charlie_ODD 阅读(549) 评论(0) 推荐(0)
摘要：
一、计算机科学期刊介绍 （1）Journal of the ACM(JACM) 此刊物为ACM的官方学刊，受到最广泛的尊敬。但由于该刊宣称它只刊登那些对计算机科学有长远影响的论文，因此其不可避免地具有理论歧视（theory bias）。事实上确实如此：尽管JACM征稿范围包括了计算机的绝大部分领域， 阅读全文
posted @ 2018-08-22 15:00 Charlie_ODD 阅读(1940) 评论(0) 推荐(0)
摘要：
在我们机器学习或者训练深度神经网络的时候经常会出现欠拟合和过拟合这两个问题，但是，一开始我们的模型往往是欠拟合的，也正是因为如此才有了优化的空间，我们需要不断的调整算法来使得模型的表达能拿更强。但是优化到了一定程度就需要解决过拟合的问题了，这个问题也在学术界讨论的比较多。 首先就是我们在进行模型训练 阅读全文
posted @ 2018-08-20 16:37 Charlie_ODD 阅读(749) 评论(0) 推荐(0)
摘要：
学习的种类 1.监督学习 （1）定义：指有求知欲的学生从老师那里获取知识、信息，老师提供对错指示、告知最终答案的学习过程。 在机器学习中，计算机 = 学生，周围的环境 = 老师。 （2）最终目标：根据在学习过程中获得的经验技能，对没学习过的问题也可以做出正确解答，使计算机获得这种泛化能力。 （3）应 阅读全文
posted @ 2018-08-20 10:39 Charlie_ODD 阅读(1886) 评论(0) 推荐(0)
摘要：
27种？！神经网络竟有那么多种？这篇文章将逐一介绍下面这张图片中的27种神经网络类型，并尝试解释如何使用它们。准备好了吗？让我们开始吧！ 神经网络的种类越来越多，可以说是在呈指数级地增长。我们需要一个一目了然的图表，在这些新出现的网络构架和方法之间进行导航。 幸运的是，来自Asimov研究所的Fjo 阅读全文
posted @ 2018-08-20 10:30 Charlie_ODD 阅读(2387) 评论(0) 推荐(0)
摘要：
1. 忘了数据规范化 2. 没有检查结果 3. 忘了数据预处理 4. 忘了正则化 5. 设置了过大的批次大小 6. 使用了不适当的学习率 7. 在最后一层使用了错误的激活函数 8. 网络含有不良梯度 9. 没有正确地初始化网络权重 10. 神经网络太深了 11. 隐藏unit的数量不对 12.补充 阅读全文
posted @ 2018-08-19 16:48 Charlie_ODD 阅读(308) 评论(0) 推荐(0)
浙公网安备 33010602011771号