随笔分类 -  机器学习

机器学习之Adaboost (自适应增强)算法
摘要：注：本篇博文是根据其他优秀博文编写的，我只是对其改变了知识的排序，另外代码是《机器学习实战》中的。转载请标明出处及参考资料。 1 Adaboost 算法实现过程 1.1 什么是 Adaboost 算法 Adaboost是英文"Adaptive Boosting"（自适应增强）的缩写，它的自适应在于： 阅读全文
posted @ 2017-11-28 20:24 追寻的鹿 阅读(1842) 评论(0) 推荐(0)
机器学习之支持向量机（四）：支持向量机的Python语言实现
摘要：注：关于支持向量机系列文章是借鉴大神的神作，加以自己的理解写成的；若对原作者有损请告知，我会及时处理。转载请标明来源。 序： 我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的 阅读全文
posted @ 2017-11-24 21:04 追寻的鹿 阅读(17452) 评论(0) 推荐(1)
机器学习之支持向量机（三）：核函数和KKT条件的理解
摘要：注：关于支持向量机系列文章是借鉴大神的神作，加以自己的理解写成的；若对原作者有损请告知，我会及时处理。转载请标明来源。 序： 我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的 阅读全文
posted @ 2017-11-18 22:08 追寻的鹿 阅读(8024) 评论(1) 推荐(2)
机器学习之支持向量机（二）：SMO算法
摘要：注：关于支持向量机系列文章是借鉴大神的神作，加以自己的理解写成的；若对原作者有损请告知，我会及时处理。转载请标明来源。 序： 我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的 阅读全文
posted @ 2017-11-18 22:03 追寻的鹿 阅读(5993) 评论(0) 推荐(1)
机器学习之支持向量机（一）：支持向量机的公式推导
摘要：注：关于支持向量机系列文章是借鉴大神的神作，加以自己的理解写成的；若对原作者有损请告知，我会及时处理。转载请标明来源。 序： 我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的 阅读全文
posted @ 2017-11-18 22:02 追寻的鹿 阅读(12704) 评论(1) 推荐(0)
机器学习之Logistic 回归算法
摘要：声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 1 Logistic 回归算法的原理 1.1 需要的数学基础 我在看机器学习实战时对其中的代码非常费解，说好的利用偏导数求最值怎么代码中没有体现啊，就一个简单的式子：θ= θ - α Σ [( hθ(x(i))-y(i) 阅读全文
posted @ 2017-11-11 17:27 追寻的鹿 阅读(5499) 评论(0) 推荐(0)
机器学习之朴素贝叶斯算法
摘要：声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 1 贝叶斯定理的引入 概率论中的经典条件概率公式： 公式的理解为，P（X ，Y）= P（Y，X）<=> P（X | Y）P（Y）= P（Y | X）P （X），即 X 和 Y 同时发生的概率与 Y 和 X 同时发生的概率 阅读全文
posted @ 2017-11-04 15:20 追寻的鹿 阅读(6823) 评论(1) 推荐(1)
决策树的图形可视化
摘要：在Python 中使用 Matplotlib 注释绘制决策树形图 声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 上次我们对数据生成决策树有了一定了解，但树是以字典的形式表达的，非常不易于理解；因此，通过决策树的图形可视化有助于我们对决策树的理解和认识。利用强大的Ma 阅读全文
posted @ 2017-11-01 20:48 追寻的鹿 阅读(6796) 评论(0) 推荐(0)
机器学习之决策树（ID3 、C4.5算法）
摘要：声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 1 决策树的基础概念 决策树分为分类树和回归树两种，分类树对离散变量做决策树 ,回归树对连续变量做决策树。决策树算法主要围绕两大核心问题展开:第一, 决策树的生长问题 , 即利用训练样本集 , 完成决策树的建立过程 。第 阅读全文
posted @ 2017-10-29 22:02 追寻的鹿 阅读(1942) 评论(0) 推荐(0)
机器学习之K-近邻算法
摘要：声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 1. K-近邻算法的一般流程： （1）收集数据：可以使用任何方法（如爬虫）。 （2）准备数据：距离计算所需要的数值，最好是结构化的数据格式。 （3）分析数据：可以使用任何方法。 （4）测试算法：计算误差率。 （5）使用算 阅读全文
posted @ 2017-10-25 22:19 追寻的鹿 阅读(572) 评论(0) 推荐(0)