摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 前向选择法和前向梯度法 由于前向选择法和前向梯度法的实现原理涉及过多的矩阵运算，本文只给出两种算法的思路。两者实现都是把矩阵中的向量运算具体化成平面几 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1196)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html K Means聚类算法 K means聚类算法属于无监督学习算法，它实现简单并且聚类效果优良，所以在工业界也被广泛应用。同时K Means聚类算法也有 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(2704)
评论(0)
推荐(1)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html scikit learn库之逻辑回归 相比较线性回归，由于逻辑回归的变种较少，因此scikit learn库中的逻辑回归类就比较少，只有 、`Logi 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(6234)
评论(0)
推荐(1)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 细分构建机器学习应用程序的流程 测试模型 对于分类问题，我们可能会使用k近邻算法、决策树、逻辑回归、朴素贝叶斯法、支持向量机、随机森林；对于回归问题， 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(863)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 感知机对偶形式(鸢尾花分类) 一、导入模块 二、获取数据 三、训练模型 python def train(num_iter, train_data, 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(7699)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html scikit learn库之支持向量机 在scikit learn库中针对数据是否线性可分，主要将支持向量机分为以下三种分类模型 、`SVC NuSV 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1718)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 距离公式汇总 假设$n$维空间中有两个点$x_i$和$x_j$，其中$x_i = (x_i^{(1)},x_i^{(2)},\cdots,x_i^{( 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1049)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 支持向量机总结 支持向量机中有线性可分支持向量机、线性支持向量机、非线性支持向量机、线性支持回归等算法，算是前期比较繁琐的一个内容，如果感觉自己还是对 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1627)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 提升树 提升树(boosting tree)是以分类树或回归树作为弱学习器的强学习器。 提升树模型用的是加法模型，算法用的是前向分步算法，弱学习器是决 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(992)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 最小二乘法 最小二乘法，可以理解为最小平方和，即误差的最小平方和，在线性回归中，$误差=真实值 预测值$。最小二乘法的核心思想就是——通过最小化误差的 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1685)
评论(0)
推荐(0)
浙公网安备 33010602011771号