machine learning - 随笔分类 - 温润有方

matplotlib-3.2.1

摘要：一.简介 1.https://matplotlib.org/ 2.matplotlib中的图（1）figure：（呈现出来的）整个窗口（画板）：可以分为几块（subplot）,可以包含一些画布，至少有一个画布用于作图，（2）axes：具有数据空间的图像区域（画布）：一个画布只能对应一个窗口，一个阅读全文

posted @ 2020-06-15 17:35 温润有方阅读(415) 评论(0) 推荐(0)

pandas-1.0.3

摘要：一.简介 1.Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，主要用于数据处理（数据整理，操作，存储，读取等）和数据分析 2.http://pandas.pydata.org/和https://pandas.pydata.org/docs/p 阅读全文

posted @ 2020-06-06 22:29 温润有方阅读(489) 评论(0) 推荐(0)

numpy-1.18.4

摘要：一.简介 1.主要用于科学计算，主要特点是ndarray数组 2.http://www.numpy.org/ 3.https://numpy.org/doc/1.18/numpy-ref.pdf 二.ndarray类 1.简介：n维数组（1）相当于python中的容器对象（比如列表），执行效率更高阅读全文

posted @ 2020-05-28 15:12 温润有方阅读(633) 评论(0) 推荐(0)

降维

摘要：一.相关知识 1.向量空间（线性空间）：向量张成的空间（简单来说，就是一些向量及其线性组合组成的集合，而且这个集中定义了一些代数运算，张：向量的线性组合） 2.维度：Rn表示n维实数集的向量空间，n表示向量的维度，也就是需要描述一个向量（或者说是一个数学对象）所需要的参数个数，R表示每个参数是在实数阅读全文

posted @ 2020-05-10 22:02 温润有方阅读(1791) 评论(0) 推荐(0)

无监督学习-聚类

摘要：一.基本概念 1.无监督学习：数据无标签或者说是未知的，目标是通过对无标记数据的学习来揭示数据的内在性质和规律。主要研究方向有聚类，主要方法有降维二.聚类 1.聚类：将数据样本划分为若干个通常是不相交的子集，这样每个子集就是一簇或者说是一类，每一类代表类中数据的某些规律，而且这个规律不在其他类中适阅读全文

posted @ 2020-05-10 14:52 温润有方阅读(1474) 评论(0) 推荐(0)

集成学习

摘要：一.相关概念 1.集成思想：我们的目标是探寻数据的规律，试图找到一个模型，通过学习数据来增强模型表现数据真实规律的性能，但是，我们是不知道数据真实规律对应的模型的，我们只是假设一个能够表现数据的模型，然后通过训练数据来改善它，即使到最后，这个模型也不能完完全全表现数据，不能表现的部分也就是误差，因此阅读全文

posted @ 2020-05-09 17:03 温润有方阅读(261) 评论(0) 推荐(0)

人工神经网络

摘要：一.相关知识 1.背景：从一颗受精卵成长为一个复杂的多细胞生物，神经系统在生物的成长中起着主导作用，神经系统分为中枢神经系统和周围神经系统两大部分主要组成。其中中枢系统主要分布在脑和脊髓中，分布在脑部的神经系统主要起传递、储存和加工信息，产生各种心理活动，支配与控制生物行为的作用。我们把人的这种特性阅读全文

posted @ 2020-05-08 00:16 温润有方阅读(1469) 评论(0) 推荐(0)

贝叶斯分类

摘要：一.背景 1.概率：在多元下，（1）联合概率：两个事件同时发生的概率P(A,B) ，（2）条件概率：在某一事件A条件下，另一事件B发生的概率P(B|A)，（3）边缘概率：某一事件发生的概率P(A); 2.独立事件：两个没有任何关系的事件互为独立事件，此时两个事件的联合概率为两者概率相乘P(A,B)= 阅读全文

posted @ 2020-04-18 21:13 温润有方阅读(1049) 评论(0) 推荐(0)

决策树以及拓展

摘要：一.决策树（判定树） 1.依据树结构进行决策，目的是产生一棵泛化能力强的判定树，其中叶子结点为决策结果，其他节点对应一个属性测试，根节点包含所有样本，从根节点到叶子结点的路径表示判定的决策路径。 2.首先我们给定一个训练样本集，以及他们的属性集（特征集），然后由根结点开始，每个节点代表一个属性测试，阅读全文

posted @ 2020-04-18 20:28 温润有方阅读(793) 评论(0) 推荐(0)

SVM

摘要：一.SVM 1.SVM（Support Vector Machines）是一种监督学习中的二分类器,目标是在样本空间内找到一个超平面对数据集进行分类，关键点在于怎样确定这个超平面。 2.训练好的模型的算法复杂度是由支持向量的个数决定的，而不是由数据的维度决定的。所以 SVM 不太容易产生 overf 阅读全文

posted @ 2020-04-14 17:36 温润有方阅读(549) 评论(0) 推荐(0)

关于模型

摘要：模型是对数据的学习，必不可少一.基本概念 1.模型也被称为学习器（假设/算法），是指能从已有的数据中学习到所需知识的数学模型。 2.相关概念（1）归纳偏好（inductive bias）：机器学习算法在学习过程中对某种类型假设的偏好，比如：存在多个模型能反映训练样本，但是它们对于新的样本却有不同阅读全文

posted @ 2020-04-01 20:52 温润有方阅读(1086) 评论(0) 推荐(0)

数学基础

摘要：阅读全文

posted @ 2020-03-31 20:46 温润有方

关于数据

摘要：数据是一切的根本。一.获取数据 1.我们实质是获取所需信息，再把这些信息转为可以字面表示的数据 2.可以使用爬虫scrapy获取数据，但是更一般的是自家数据库中的数据 3.可以获得公用数据集：http：//www.kaggle.com/datasets等网站，也可以自己收集数据 4.人工合成数据：阅读全文

posted @ 2020-03-25 19:42 温润有方阅读(757) 评论(0) 推荐(0)

机器学习一般流程

摘要：预备：把实际问题转化为机器学习问题，即能够从现有的数据中学的某种规律，从而解决实际问题（预测或分类）机器学习是数据和模型的结合。一.获取数据：人工合成、爬虫、数据库、公开数据集、收集数据... 二.数据预处理: 1.数据清洗：缺失数据、重复数据、一致性检验 2.数据转成数字：经验、一般映射 3. 阅读全文

posted @ 2020-02-20 15:05 温润有方阅读(1966) 评论(0) 推荐(0)

线性模型

摘要：一.线性模型（linear model）其中w直观表达了各属性在预测中的重要性二.线性回归模型 1.线性回归，下面 x 的第一个下标表示第几个样例，第二个下标表示该样例的第几个特征,也有上下标的写法，上标表示第几个样例，下标表示第几个特征 2.一元线性回归：仅考虑一个特征，即输入属性的数目只有一阅读全文

posted @ 2018-09-04 21:48 温润有方阅读(2017) 评论(0) 推荐(1)

机器学习简介

摘要：一.机器学习（machine learning） 1.它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能 2.研究的主要内容是学习算法（learning algorithm）（在计算机上从数据中产生模型（model）或者说学习器（learner）的算法） 3.简而言之，机器学习：根据已有的阅读全文

posted @ 2018-08-06 15:47 温润有方阅读(630) 评论(0) 推荐(0)

随笔分类 - machine learning