随笔分类 - 机器学习
摘要：keras训练cnn模型时loss为nan 1.首先记下来如何解决这个问题的：由于我代码中 model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) 即损失函数用的是categorica
阅读全文
摘要：本科学过sql server数据库，上研刚开始在做研究时自己想点子自己做，为了简便使用了论文中看到的一个简易数据库sqlite存储使用数据。后来随着数据量的增长，以及数据处理的需求sqlite速度明显很慢，所以改用mysql。 先比较一下三者的优缺点： 一：sqlite 1.sqlite占用的内存和
阅读全文
摘要：首先推荐 刘建平 的博客学习算法原理推导，这位老师的讲解都很详细，不过GBDT的原理讲解我没看明白， 而是1、先看的https://blog.csdn.net/zpalyq110/article/details/79527653这篇博客，用实例让读者对该算法有一个清晰的了解； 2、接着是刘建平老师
阅读全文
摘要：1.矩阵分解过程 尴尬的很，不会调整图片旋转，该图片是对矩阵分解的实现过程的理解，代码参考链接：https://github.com/zhangqianjin/recommender-system/tree/master/matrix-factorization 觉得有用麻烦点个赞~~~~~~~~~
阅读全文
摘要：一.ID3 1.李航统计学习书上写：ID3相当于用极大似然法进行概率模型的选择。这句话邹博的回答是：从ID3的构建树过程而言，它可以看成使用贪心算法得到近似最优的一颗决策树，它无法保证是最优的。李航《统计学习方法》中这句话，应该是ID3提出时使用的理论依据，可以参考J.R. QUINLAN的" In
阅读全文
摘要：目前看到三篇比较不错的关于层次聚类的介绍，本文按 大致理解-详细介绍-代码实现 依次将他们罗列： 1.https://blog.csdn.net/qq_39388410/article/details/78240037 下面是主要内容，也就是对层次聚类的大概理解 2.https://blog.csd
阅读全文
摘要：1.算法过程 a.随机选取k个初始点作为中心点 b.依次计算剩余所有点分别与哪个初始点距离较近，则该点属于哪个簇 c.移动中心点到现在的簇的中心 d.重复b,c两步，直到中心点不再变化算法结束 2.优缺点 优点：容易实现 缺点：可能收敛到局部最小值，大规模数据集上收敛速度较慢 3.代码使用中出现的问
阅读全文
摘要：可以看出来除了KNN以外其他算法都是聚类算法 1.knn/kmeans/kmeans++区别 先给大家贴个简洁明了的图，好几个地方都看到过，我也不知道到底谁是原作者啦，如果侵权麻烦联系我咯~~~~ knn模型的三要素：距离度量（如何计算样本之间的距离）、k值的选择（选择要判断的目标周围的几个样本去判
阅读全文
浙公网安备 33010602011771号