摘要:[如何正确使用「K均值聚类」? "" 1、k均值聚类模型 给定样本 ,每个样本都是m为特征向量,模型目标是将n个样本分到k个不停的类或簇中,每个样本到其所属类的中心的距离最小,每个样本只能属于一个类。用C表示划分,他是一个多对一的函数,k均值聚类就是一个从样本到类的函数。 2、k均值聚类策略 k均值 阅读全文
posted @ 2019-08-25 22:51 jpld 阅读 (15) 评论 (0) 编辑
摘要:《Python数据科学手册》共五章,每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始,它们提供了数据科学家需要的计算环境;第2章讲解能提供ndarray对象的NumPy,它可以用Python高效地存储和操作大型数组;第3章主要涉及提供DataFrame对象 阅读全文
posted @ 2019-08-25 22:43 jpld 阅读 (37) 评论 (0) 编辑
摘要:[《统计学习方法》极简笔记P2:感知机数学推导 ](http://mp.weixin.qq.com/s?__biz=MzA4MjYwMTc5Nw==&mid=2648931510&idx=1&sn=37c84511b7393b49a8a962406e710a62&chksm=8794ee9cb0e3 阅读全文
posted @ 2019-08-19 17:35 jpld 阅读 (15) 评论 (0) 编辑
摘要:前文推荐 "如何正确使用「K均值聚类」?" KMeans算法是典型的基于距离的聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大。该算法认为簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标。 K个初始聚类中心点的选取对聚类结果具有较大的影响,因为在该算法 阅读全文
posted @ 2019-08-18 23:28 jpld 阅读 (135) 评论 (0) 编辑
摘要:"100天搞定机器学习|1 38天" "100天搞定机器学习|day39 Tensorflow Keras手写数字识别" 前文我们用keras的Sequential 模型实现mnist手写数字识别,准确率0.9713。今天我们完成day40 42的课程,实现猫、狗的识别。 本文数据集下载地址 htt 阅读全文
posted @ 2019-08-18 22:54 jpld 阅读 (130) 评论 (0) 编辑
摘要:感知机模型 输入空间是$\chi\subseteq\mathbb{R}^n$,输出空间是$y=\{+1, 1\}$ 感知机定义为:$f(x)=sign(wx+b)$ 感知机学习策略 输入空间任一点$x_0$到超平面S的距离: $\frac{1}{||w||}|wx_0+b|$ 误分类数据$(x_i, 阅读全文
posted @ 2019-08-18 15:08 jpld 阅读 (10) 评论 (0) 编辑
摘要:提示:建议先看day36 38的内容 TensorFlow™ 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展 阅读全文
posted @ 2019-08-17 22:21 jpld 阅读 (214) 评论 (1) 编辑
摘要:往期回顾 "100天搞定机器学习|(Day1 36)" "100天搞定机器学习|Day37无公式理解反向传播算法之精髓" 上集我们学习了反向传播算法的原理,今天我们深入讲解其中的微积分理论,展示在机器学习中,怎么理解链式法则。 我们从一个最简单的网络讲起,每层只有一个神经元,图上这个网络就是由三个权 阅读全文
posted @ 2019-08-17 18:16 jpld 阅读 (134) 评论 (0) 编辑
摘要:"100天搞定机器学习(Day1 34)" "100天搞定机器学习|Day35 深度学习之神经网络的结构" "" "100天搞定机器学习|Day36 深度学习之梯度下降算法" 本篇为100天搞定机器学习之第37天,亦为3Blue1Brown《深度学习之反向传播算法》学习笔记。 上集提到我们要找到特定 阅读全文
posted @ 2019-08-17 17:00 jpld 阅读 (84) 评论 (0) 编辑
摘要:本文为3Blue1Brown神经网络课程讲解第二部分《Gradient descent, how neural networks learn 》的学习笔记,观看地址:www.bilibili.com/video/av16144388前文我们已经搭建了一个包含两个隐藏层的神经网络,我们需要这样一种算法 阅读全文
posted @ 2019-08-17 00:26 jpld 阅读 (48) 评论 (0) 编辑