- 博客(11)
- 收藏
- 关注
RSS订阅原创 机器学习第六章：支持向量机
让这个超平面容忍一些错误的分类，也就是在计算损失的时候，如果这个损失在一个区间内，那么我们就认为它是分类正确的。如果在这个区间外，那么我们就根据这个损失，反向传播去更新参数。有一个分类任务的样本集，我们想要在样本空间中找到一个划分超平面，把不同类别的样本分开。，让它不被训练样本里面的个别样本所干扰，这样子得到的分类结果的鲁棒性会是最好的，泛化能力最好。但如果不存在一个超平面，可以把训练样本正确分类的话，我们就需要把这个样本空间给。的问题，为了缓解这个问题，我们需要让这个超平面。
2025-10-31 15:15:39
161
原创 机器学习第五章：神经网络
神经网络通过模拟生物神经系统构建数学模型，核心是加权连接的神经元和激活函数（如Sigmoid）实现非线性变换。感知机作为线性二分类模型，通过误差反馈机制更新权重和阈值，解决逻辑运算问题。对于非线性问题，需引入含隐层的多层前馈网络，采用误差逆传播算法（BP）进行训练，结合累计误差优化和梯度下降调整参数。为防止过拟合，可采用早停策略和正则化方法。这些机制共同构成了神经网络学习复杂模式的基础框架。
2025-10-23 20:19:25
740
原创 机器学习第四章：决策树
决策树就是来对问题进行判断的过程，类似于我们人的脑回路的流程。以二分类问题为例，一个样本有很多个属性，我们依次对每个属性进行判断，只有这个属性满足正类的特征，我们才判断下一个属性，最后得出最终结论：这个样本是不是正类。一个决策树包含一个根节点，多个叶节点，多个内部节点。根节点包含样本全集，内节点对应一个属性测试，。决策树学习的目的就是为了产生一棵泛化能力强的决策树，我们希望用它来帮我们做决策。那么怎么构建决策树呢，根据不同的指标来构建就产生了不同的算法。ID3算法这个算法是根据来构建的。
2025-09-11 20:47:17
619
原创 机器学习第三章：线性模型
假设一个数据集：D={（x1，y1），（x2，y2），...（xn，yn）} ，其中yi为0或1。每次对n个类做m次划分，这样可以产生m个训练集，进而可以训练出m个分类器，再用这m个分类器对测试样本进行预测，把预测的结果组成一个编码，将预测编码与每个类别各自的编码进行比较，把距离最小的类别作为最终的结果。假设一个数据集：D={（x1，y1），（x2，y2），...（xm，ym）} ，yi属于{C1，C2，...，Cn}；这个方法是每次一个类的样例作为例，其余的类作为反例，最后可以训练n个分类器。
2025-08-28 21:23:15
735
原创 脑电分析第二章：脑电信号的预处理
眨眼的时候产生的噪声幅度大，而眼球转动产生的噪声频率范围比较宽，在研究的时候，我们需要先测量眼电信号，以便后面去除眼动伪迹。测出眼动和眨眼的时候的脑电信号和眼电信号，再利用正交原理把这些信号变换为另一组相互独立的信号，作为眼动和眨眼伪迹的主成分，然后从混合信号中去除这个成分，就可以得到矫正后的信号。在脑电的测量中，被测人体无法避免会进行眨眼和眼球运动，这些运动会改变头皮的电场分布，当被头皮上的电极所拾取的时候，就会产生。而理论上可以认为眼动伪迹以及其他干扰源产生的干扰信号是由相互独立的信源产生的，通。
2025-08-28 02:06:12
385
原创 脑电分析第一章：脑电信号
我们人的神经元动作电位是通过Na，K，Ca等离子的离子通道的开闭来传导电信号，波的周期约为1-2ms。我们要选合适的人来采集他们的脑电信号，要注意他们的性别，年龄，社会背景，受教育情况，左撇子还是右撇子，有时候还需要设置对照组，在对结果进行统计分析。的研究越来越受到研究人员的重视，脑机接口可以在人脑和其他电子设备间建立起直接的交流和控制通道，是一种全新的对外信息交流方式。正是因为神经元同时放电，同时停止，排列方向一致，当这些神经细胞同步活动的时候会产生强大的电场，从这个电场中可以记录。
2025-08-20 02:36:24
380
原创 机器学习第二章：模型评估与选择
把数据集平均分为k个子集（k一般取10），每次取第i个子集作为测试集（i从1，2 一直取到k），剩下的作为训练集，得到测试结果后。重复k次后，取平均值。将数据集随机分为互斥的测试集和训练集，差不多把66%~80%的数据作为训练，剩下的用作测试，进而得到测试误差。来计算，他会服从自由度为k-1个和（ k-1）*（N-1）的F分布，如果所有算法的性能都相同的假设被拒绝，这就需要后续检验比如。对于二分类问题，我们可以使用留出法，这样可以计算两个模型的测试错误率，还可以得到两者都正确，一个正确一个错误的样本数。
2025-08-17 22:21:19
691
原创 机器学习第一章：绪论
训练模型的时候使用的样本叫做训练样本，组成的集合称为训练集，我们得到的模型对应了数据的某种规律，称为假设。，以便于在面对新出现的情况时做出相应的判断，做出的判断越正确，那就说明这个模型很好适用于新样本，这就是泛化能力。训练的样本越多，获得强泛化能力的模型的概率越大。奥卡姆剃刀原则：若有多个假设与观察一致，则选择最简单的那个”，这是最基本的原则。每个有效的机器学习算法一定要有归纳偏好，否则无法产生确定的学习结果。根据结果的类别，又有。，比如预测一个西瓜的成熟度，结果可以取0 ~100%这个区间的所有值。
2025-08-17 17:04:29
163
原创 c语言-----数组入门
c语言-----数组的学习首先在学习之前我们会问数组是什么我们为什么要学习数组数组是在 程序设计 中，为了处理方便， 把具有相同类型的若干元素按有序的形式组织起来的一种形式， 这些有序排列的同类数据元素的集合称为数组数组在c语言及其其他高级语言中都是非常重要的学好它有利于我们c语言的学习声明数组要使用一个数组，首先我们应该要去声明它type arrayName [ arraySize ];数组的类型数组的名字中括号里面是数组的大小根据类型的不同 我们可以分为整形数组浮
2021-11-12 22:45:17
1737
原创 c语言代码：格式化输出一颗爱心！
如图：不管了，先放代码！解析在后面。#include<stdio.h>int main(void){ int a, b, c, d, e; for (a = 1; a <= 3; a++) { for (b = 1; b<=1+2*abs(3-a); b++) { printf(" "); } for (c = 1; c <=6+4*(a-1);...
2021-10-24 16:39:06
11235
13
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人