<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Python_fuyin的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Python_fuyin</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Python_fuyin]]></copyright><item><title><![CDATA[强化学习（RL）]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140899206</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140899206</guid><author>Python_fuyin</author><pubDate>Sat, 03 Aug 2024 23:57:54 +0800</pubDate><description><![CDATA[在连接主义学习中，在学习的方式有三种：非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。监督学习也称为有导师的学习，需要外界存在一个“教师”对给定输入提供应有的输出结果，学习的目的是减少系统产生的实际输出和预期输出之间的误差，所产生的误差反馈给系统来指导学习。非监督学习也称为无导师的学习。它是指系统不存在外部教师指导的情形下构建其内部表征。学习完全是开环的。]]></description><category></category></item><item><title><![CDATA[循环神经网络（RNN）]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140834488</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140834488</guid><author>Python_fuyin</author><pubDate>Wed, 31 Jul 2024 23:07:00 +0800</pubDate><description><![CDATA[循环神经网络（Recurrent Neural Network，简称RNN）是一种能够处理序列数据的神经网络模型。循环神经网络属于深度学习神经网络（DNN），与传统的前馈神经网络不同，RNN在处理每个输入时都会保留一个隐藏状态，该隐藏状态会被传递到下一个时间步，以便模型能够记忆之前的信息。循环神经网络在自然语言处理、语音识别、机器翻译等任务上取得了很大的成功。它能够捕捉到输入序列的上下文信息，从而能够更好地处理序列数据的特点。输入层。]]></description><category></category></item><item><title><![CDATA[卷积神经网络（CNN）]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140753986</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140753986</guid><author>Python_fuyin</author><pubDate>Sun, 28 Jul 2024 23:50:32 +0800</pubDate><description><![CDATA[卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习。]]></description><category></category></item><item><title><![CDATA[机器学习---聚类算法]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140726332</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140726332</guid><author>Python_fuyin</author><pubDate>Fri, 26 Jul 2024 22:48:04 +0800</pubDate><description><![CDATA[计算距离：计算每个样本到k个中心点的距离，将各样本划分到距离最近的中心点所在的簇。迭代：不断迭代2、3步骤，直到各簇不再发生变化或者达到预设的迭代次数。重新计算中心：为各簇所有点的均值，重新计算各簇的中心。初始化：随机选择k个中心点，作为初始的聚类中心。]]></description><category></category></item><item><title><![CDATA[支持向量机（SVM）]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140676289</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140676289</guid><author>Python_fuyin</author><pubDate>Thu, 25 Jul 2024 00:13:23 +0800</pubDate><description><![CDATA[支持向量机（Support Vector Machine，SVM）是一种经典的监督学习算法，用于解决二分类和多分类问题。其核心思想是通过在特征空间中找到一个最优的超平面来进行分类，并且间隔最大。SVM能够执行线性或非线性分类、回归，甚至是异常值检测任务。它是机器学习领域最受欢迎的模型之一。]]></description><category></category></item><item><title><![CDATA[决策树和随机森林]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140672889</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140672889</guid><author>Python_fuyin</author><pubDate>Thu, 25 Jul 2024 00:08:36 +0800</pubDate><description><![CDATA[总之，决策树和随机森林都是基于树结构的机器学习算法，具有可解释性和特征选择的能力。随机森林是多个决策树的集成模型，引入了随机性并通过投票或平均来得出最终预测结果，可以有效降低噪声干扰，提高模型的准确性与稳定性，但是增加了计算量。]]></description><category></category></item><item><title><![CDATA[多元线性回归与Logistic回归]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140535993</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140535993</guid><author>Python_fuyin</author><pubDate>Thu, 18 Jul 2024 23:53:56 +0800</pubDate><description><![CDATA[用回归方程定量地刻画一个应变量与多个自变量间的线性依存关系,称为多元回归分析（multiple linear regression),简称多元回归(multiple regression)。多元回归分析是多变量分析的基础，也是理解监督类分析方法的入口！实际上大部分学习统计分析和市场研究的人的都会用回归分析，操作也是比较简单的，但能够知道多元回归分析的适用条件或是如何将回归应用于实践，可能还要真正领会回归分析的基本思想和一些实际应用手法！]]></description><category></category></item><item><title><![CDATA[机器学习笔记（二）----数据清洗预处理及特征选择]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140508284</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140508284</guid><author>Python_fuyin</author><pubDate>Wed, 17 Jul 2024 23:26:39 +0800</pubDate><description><![CDATA[数据清洗与预处理是指在数据挖掘和机器学习过程中，对数据进行清洗、整理、转换和准备的过程。数据清洗与预处理的目的是提高数据质量，减少噪声和错误，从而提高。]]></description><category></category></item><item><title><![CDATA[Python数据库---机器学习基础数据库]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140408559</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140408559</guid><author>Python_fuyin</author><pubDate>Sat, 13 Jul 2024 23:48:01 +0800</pubDate><description><![CDATA[在他之上，Seaborn-使用 Matplotlib 的统计数据可视化，当然 python 还提供了其他的绘图库，每个绘图库都有自己的特色。它基于Numpy, Scipy和matplotlib，包含了大量的机器学习算法实现，包括分类、回归、聚类和降维等，还包含了诸多模型评估及选择的方法。使用技巧：建议优先阅读本文并对照实际操作一遍，然后打开例图网页https://matplotlib.org/gallery.html，选择需要的图片类型，点击进入复制代码，修改代码，制作自己所需风格的图即可。]]></description><category></category></item><item><title><![CDATA[机器学习笔记（一）]]></title><link>https://blog.youkuaiyun.com/Python_fuyin/article/details/140249202</link><guid>https://blog.youkuaiyun.com/Python_fuyin/article/details/140249202</guid><author>Python_fuyin</author><pubDate>Sun, 07 Jul 2024 17:46:35 +0800</pubDate><description><![CDATA[对于某个给定的任务T，在合理的性能度量方案P的前提下，某计算机程序资助学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T性能逐步提高。即：随着任务的不断执行，经验的积累会带来计算机性能的提升。监督学习 supervised learning;非监督学习 unsupervised learning;半监督学习 semi-supervised learning;强化学习 reinforcement learning;]]></description><category></category></item></channel></rss>