随笔分类 -  machine learning

机器学习经典算法总结
摘要：knn分类算法 1.特点 精度高 对异常值不敏感、计算时间空间复杂度高 2.基本思想、算法伪代码 3.构思定义好存储数据结构 dataSet (m n阶矩阵)：m代表m个数据，n代表每个数据的特征向量维度 labels (m 1 list)：m与数据数对应 classCount (p个key val 阅读全文
posted @ 2019-03-12 16:14 口天丶木乔 阅读(1281) 评论(0) 推荐(0)
FM(Factorization Machines)模型详解
摘要：优点 1. FM模型可以在非常稀疏的数据中进行合理的参数估计，而SVM做不到这点 2. 在FM模型的复杂度是线性的，优化效果很好，而且不需要像SVM一样依赖于支持向量。 3. FM是一个通用模型，它可以用于任何特征为实值的情况。而其他的因式分解模型只能用于一些输入数据比较固定的情况。 与LR联系与区 阅读全文
posted @ 2018-11-15 11:24 口天丶木乔 阅读(2638) 评论(0) 推荐(1)
机器学习性能指标（ROC、AUC、召回率）
摘要：混淆矩阵 构造一个高正确率或高召回率的分类器比较容易，但很难保证二者同时成立 ROC 1. 横轴：FPR(假正样本率)=FP/(FP+TN) 即，所有负样本中被分错的比例 2. 纵轴：TPR(真正样本率)=TP/(TP+FN) 即，所有正样本中被分对的比例 横轴越小越好，纵轴越大越好，即，ROC曲线 阅读全文
posted @ 2018-11-13 15:14 口天丶木乔 阅读(752) 评论(0) 推荐(0)
LR基础理论详解
摘要：本人参考了大神的博客(https://blog.csdn.net/cyh_24/article/details/50359055)，写的非常详细，在此整理一下要点 逻辑斯蒂分布 基础公式了解 二项逻辑回归模型 w为参数 了解几率、对数几率 （输出Y=1的对数几率是由输入x的线性函数表示的模型，这就是 阅读全文
posted @ 2018-09-27 15:04 口天丶木乔 阅读(1328) 评论(0) 推荐(0)
图论（各种基础及算法详解）
摘要：基础概念 G=(V, E) 如果无向图中从每一个顶点到其他每个顶点都存在一条路径，则称该无向图是连通的（connected）。具有这样性质的有向图称为是强连通的的（strongly connected）。如果有向图不是强连通的，但它的基础图（underlying graph）（也就是其弧上去掉方向说 阅读全文
posted @ 2018-09-03 16:41 口天丶木乔 阅读(2047) 评论(0) 推荐(0)
优化-最小化损失函数的三种主要方法：梯度下降(BGD)、随机梯度下降(SGD)、mini-batch SGD
摘要：优化函数 损失函数 BGD 我们平时说的梯度现将也叫做最速梯度下降，也叫做批量梯度下降(Batch Gradient Descent)。 对目标(损失)函数求导 沿导数相反方向移动参数 在梯度下降中，对于参数的更新，需要计算所有的样本然后求平均，其计算得到的是一个标准梯度(这是一次迭代，我们其实需要 阅读全文
posted @ 2018-08-30 14:27 口天丶木乔 阅读(13845) 评论(0) 推荐(0)
pandas数据处理攻略
摘要：首先熟悉numpy随机n维数组的生成方法(只列出常用的函数)： pandas两种典型数据结构及创建方式： Series DataFrame 通过np.random多维数组创建 通过字典创建 pandas选取数据 阅读全文
posted @ 2018-08-27 18:26 口天丶木乔 阅读(190) 评论(0) 推荐(0)
机器学习数据集资源
摘要：http://archive.ics.uci.edu/ml/index.php 最有名的机器学习数据资源。来自美国加州大学欧文分校。其中很多数据被用来比较算法的性能，基于这些资源，研究人员可以得到想对客观的性能比较结果。 https://registry.opendata.aws/ Amazon拥有 阅读全文
posted @ 2018-06-13 14:01 口天丶木乔 阅读(313) 评论(0) 推荐(0)
自然语言处理如何入门
摘要：ps：笔者会持续更新~ 领域分支概括 俗话说得好： 做research或者学习某个技能最重要的是要对自己的research要非常熟悉（3mins让别人听懂你做的这玩意儿是个啥，contribution在哪里，让别人觉得你做的东西有意义） 那么我就整理一下自然语言处理相关领域分支~ 自然语言包括许多分 阅读全文
posted @ 2018-05-13 18:12 口天丶木乔 阅读(407) 评论(0) 推荐(0)
机器学习基础总结
摘要：笔者研一，刚刚步入此行业，目前专攻于（人工智能 机器学习 自然语言处理NLP 文本挖掘） 我将会随着自己的学习持续更新，记录自己的成长，与大家共同进步！～ 总体分类 监督学习（Supervised learning） 分类（Logistic Regression逻辑回归） 回归（Linear Reg 阅读全文
posted @ 2018-05-03 11:24 口天丶木乔 阅读(331) 评论(0) 推荐(0)
tensorflow（深度学习框架）详细讲解及实战
摘要：还未完全写完，本人会一直持续更新！~ 各大深度学习框架总结和比较 各个开源框架在GitHub上的数据统计，如下表： 主流深度学习框架在各个维度的评分，如下表： Caffe可能是第一个主流的工业级深度学习工具，它开始于2013年底,具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工 阅读全文
posted @ 2018-05-02 11:08 口天丶木乔 阅读(6954) 评论(0) 推荐(0)
word2vec详解与实战
摘要：有那么一句话 不懂word2vec，就别说自己是研究 人工智能 机器学习 自然语言处理(NLP) 文本挖掘 的 所以接下来我就从头至尾的详细讲解一下word2vec这个东西。 简要介绍 先直接给出维基百科上最权威的解释（大家英语水平够格的话一定要充分理解这个最权威的解释，比国内的某些长篇啰嗦解释简直 阅读全文
posted @ 2018-05-02 09:06 口天丶木乔 阅读(1762) 评论(0) 推荐(0)