star-light-glimmer

摘要： 一、人工神经网络组成 人工神经网络（Artificial Neural Network, ANN）简称神经网络（NN），是一种模仿生物神经网络结构和功能的计算模型。大多数情况下，人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗地讲，就是具备学习功能。 在生物学中，神经元是神经系统 阅读全文

摘要： 一、什么是深度学习 深度学习（Deep Learning）作为机器学习的一个分支，专注于使用多层神经网络（深度学习网络）来建模和解决问题。 深度学习利用仿生学建立模型。人脑中有很多相互连接的神经元，当大脑处理信息时，这些神经元之间通过电信号和化学物质相互作用，在大脑的不同区域之间传递消息。神经网络使 阅读全文

摘要： 一、奇异值分解 奇异值分解（Singular Value Decomposition, SVD）是一种矩阵因子分解方法，用于将矩阵分解为更简单的形式，从而揭示数据的内在结构和特性。通过保留最大的几个奇异值以及对应的奇异向量，可以近似重构原始矩阵，同时保留主要信息。主成分分析，潜在语义分析等都用到了奇 阅读全文

摘要： 一、聚类 聚类（Clustering）旨在将数据集的样本分为若干个簇，使得同一个簇内的对象彼此相似，不同簇间的对象差异较大。聚类是一种无监督学习算法，不需要预先标记数据的标签，完全依赖数据本身内在结构和特征来进行分组，最终簇所对应的概念语义需由是使用者来把握和命名。 聚类的核心是 “物以类聚”，具体 阅读全文

摘要： 一、集成学习 集成学习通过某种策略组合多个个体学习器的预测结果来提高整体的预测能力。只包含同种类型的个体学习器的集成称为 同质集成。同质集成中的各个学习器亦称为 基学习器，相应的学习算法称为 基学习算法。包含不同类型的个体学习器的集成称为 异质集成。 集成学习有三大经典方法：Boosting、Bag 阅读全文

摘要： 一、支持向量机 支持向量机（Support Vector Machines，SVM）是一种二分类模型，其核心目标是寻找一个间隔最大的超平面将不同类别的数据点分隔开。这个超平面在二维空间中是一条直线，在三维空间中是一个平面，在更高维空间则是一个超平面。 二、线性可分支持向量机 【1】、硬间隔 当训练样 阅读全文

摘要： 一、决策树 决策树（Decision Tree）是一种基于树形结构的算法，它根据一系列条件判断逐步划分数据，缩小范围，最终得到预测结果。决策树由 4 部分组成。 根节点：树的节点，包含所有数据。 内部节点：表示特征上的判断条件。 分支：根据判断分支分出的路径。 叶节点：最终分类或回归的结果。 决策树 阅读全文

摘要： 一、朴素贝叶斯 朴素贝叶斯（naive Bayes）法是一种基于概率的机器学习方法。它基于贝叶斯定理，并假设特征之间相互独立。朴素贝叶斯法实现简单，学习与预测的效率都很高。朴素贝叶斯的核心是贝叶斯定理： \[P(Y|X) = \frac{P(X|Y)P(Y)}{P(X)} \] 其中，\(P(Y|X 阅读全文

摘要： 一、感知机 感知机（Perceptron）是二分类模型，它接收多个信号，输出一个信号。感知机的信号只有 0、1 两种取值。 其中，\(x_{1}\)、 \(x_{2}\) 是 输入信号，y 是 输出信号，\(w_{1}\)、\(w_{2}\) 是 权重，\(\circ\) 称为 神经元 或 节点。输 阅读全文

摘要： 一、逻辑回归 逻辑回归（Logistic Regression）是一种用于解决分类问题的统计方法， 尤其适用于二分类问题。逻辑回归通过将线性回归的输出映射到 [0, 1] 区间，来表示某个类别的概率。 最常用的映射函数是 migmoid() 函数：\(f(x) = \frac{1}{1 + e^{- 阅读全文