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 sign(符号)函数 一、sign函数概述 sign函数也称作符号函数,当x 0的时候y=1;当x=0的时候y=0;当x0 \\ 0,\quad x= 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1290)
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 条件概率 一、条件概率简介 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为:$p(A|B)$,读作“在B的条件下A的概率” 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(856)
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 主成分分析(PCA) 一、维数灾难和降维 在KNN算法中曾讲到,对于高维数据,会出现数据样本稀疏、距离计算困难等问题。但是这种问题并不是仅仅针对KNN 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(2495)
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 普通线性回归(波士顿房价预测) 一、导入模块 二、获取数据 数据下载地址https://pan.baidu.com/s/1SvG0hFxupYA3KQ 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(7422)
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 Softmax回归 Softmax回归属于多分类$c_1,c_2,\ldots,c_k$模型,它通过估计某个样本属于$k$个类别的各自的概率达到多分类 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(4785)
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 基尼指数 一、基尼指数简介 基尼指数(gini coefficient)代表了模型的不纯度,基尼指数越小,则不纯度越低;基尼指数越大,则不纯度越高,这 阅读全文
posted @ 2019-10-16 17:06
B站-水论文的程序猿
阅读(2928)
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 细分构建机器学习应用程序的流程 训练模型 一、1.1 训练回归模型 接下来我们将用波士顿房价数据集来介绍我们的回归模型,波士顿总共有506条数据,所以 阅读全文
posted @ 2019-10-16 17:06
B站-水论文的程序猿
阅读(841)
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 线性可分支持向量机 一、线性可分支持向量机学习目标 1. 线性可分支持向量机、线性支持向量机、非线性支持向量机区别 2. 函数间隔与几何间隔 3. 目 阅读全文
posted @ 2019-10-16 17:06
B站-水论文的程序猿
阅读(2594)
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 模型选择 机器学习是在某种假设上对数据的分析,基于该假设即可构造多个模型获得预测值,通过比较多个模型间真实值与预测值之间的误差即可获得一个较优的模型。 阅读全文
posted @ 2019-10-16 17:06
B站-水论文的程序猿
阅读(1051)
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 范数 一、Lp范数 $p$是一个变量,度量的是一组范数 $$ ||x||_p = \sqrt[p]{\sum_{i=1}^nx_i^p},\quad 阅读全文
posted @ 2019-10-16 17:06
B站-水论文的程序猿
阅读(728)
评论(0)
推荐(0)