07 2018 档案

决策树
摘要：什么是决策树 什么是决策树 什么是决策树 非参数学习方法 可以解决分类问题 天然可以解决多分类问题 也可以解决回归问题 非常好的可解释性 复杂度 预测：O(logm)训练: O(n*m*logm)剪枝：降低复杂度，解决过拟合 import numpy as np import matplotlib. 阅读全文
posted @ 2018-07-30 18:05 家迪的家 阅读(340) 评论(0) 推荐(0)
神经网络
摘要：浅层神经网络： 神经网络的输出 神经网络的输出 神经网络的输出 神经网络的输出 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 矩阵公式：输出=激活函数（输入x权重+偏差） 多层感知器识别手写数字： 关键点： 阅读全文
posted @ 2018-07-26 11:54 家迪的家 阅读(331) 评论(0) 推荐(0)
多项式回归
摘要：多项式回归：升维 多项式回归：升维 多项式回归：升维 原有数据特征下新增维度 # 数据 import numpy as np import matplotlib.pyplot as plt ​ x = np.random.uniform(-3,3,size=100) X = x.reshape(-1 阅读全文
posted @ 2018-07-20 14:06 家迪的家 阅读(421) 评论(0) 推荐(0)
tensorflow GPU版本安装及配置
摘要：经检测速度大幅度上升，不枉费我折腾了这么久，最坑的就是网上教程、书都没有写将cuda的bin加入全局变量，还是根据报错信息推出来的。 1.cuda9.0下载安装 https://developer.nvidia.com/cuda-90-download-archive?target_os=Windo 阅读全文
posted @ 2018-07-18 11:41 家迪的家 阅读(1562) 评论(0) 推荐(0)
梯度下降
摘要：梯度下降法 在使用梯度下降法前，最好进行数据归一化 不是一个机器学习算法 是一种基于搜索的最优化方法 作用：最小化损失函数 梯度上升法，最大化一个效用函数 η称为学习率 η的值影响获得最优解的速度 η取值不合适甚至得不到最优解 η是梯度下降法的一个超参数 优势 特征越多的情况下，梯度下降相比于正规方 阅读全文
posted @ 2018-07-10 22:20 家迪的家 阅读(476) 评论(0) 推荐(0)
KNN
摘要：KNN 算法介绍： 缺点： 对一个算法的掌握无非知其然，也知其所以然 使用scikit中的KNN： 自己实现KNN 分类器: 调用： 超参数和模型参数： 如何寻找好的超参数 明可夫斯基距离 当p的值为1时，则是曼哈顿距离，当p为2时则是欧拉距离 数据归一化： 测试数据归一化 使用StandardSc 阅读全文
posted @ 2018-07-05 23:02 家迪的家 阅读(305) 评论(0) 推荐(0)
线性回归
摘要：线性回归算法介绍 线性回归算法介绍 线性回归算法介绍 线性回归算法介绍 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础 结果具有很好的解释性 蕴含机器学习中很多重要的思想 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础 结果具有很好的解释性 蕴含机器学习中很多重要的思想 阅读全文
posted @ 2018-07-04 17:53 家迪的家 阅读(229) 评论(0) 推荐(0)
深入理解Adaboost算法
摘要：理解算法确实是欲速则不达，唯有一步一步慢慢看懂，然后突然觉得写的真的太好了，那才是真的有所理解了。 Adaboost的两点关键点： 1. 如何根据弱模型的表现更新训练集的权重； 2. 如何根据弱模型的表现决定弱模型的话语权 算法步骤： 从训练数据中训练出一系列的弱分类器，然后把这些弱分类器集成为一个 阅读全文
posted @ 2018-07-02 09:31 家迪的家 阅读(289) 评论(0) 推荐(0)