- 博客(5)
- 收藏
- 关注
RSS订阅翻译 深度学习——神经网络
前言：人工神经网络是受到人类大脑 结构的启发而创造出来的：数以万计的神经元细胞通过某种连接构成了一个神经网络；人工神经网络正是模仿了上面的网络结构。下面是一个人工神经网络的构造图。每一个圆代表着一个神经元，他们连接起来构成了一个网络。人类大脑神经元细胞的树突接收来自外部的多个强度不同的刺激，并在神经元细胞体内进行处理，然后将其转化为一个输出结果。如下图所示。人工神经元也有相似的工作原理。如下图所示。上面的xxx是神经元的输入，相当于树突接收的多个外部刺激。www是每个输入对应的权重，它影响
2021-05-03 19:47:40
411
原创 机器学习——KNN算法
一. KNN算法KNN即K最近的邻居（k-Nearest Neighbor,KNN），KNN算法是最简单的机器学习算法之一；它采用测量不同特征值之间的距离来进行分类。1.1 分类方法（wenzi）：如果某一样本在特征空间中的K个最相似（或者说最邻近）的样本中的的大部分属于同一个类别（这里假设同属于类别A），则该样本也属于类别A。1.2 分类方法（tuxiang）：比如下图，我们有两类数据——蓝色方块（类A）和红色三角形（类B）和一个样本，这时候就需要判断该样本到底属于类A还是类B？做法：我们
2021-05-03 15:13:37
457
原创 机器学习——kmeans
Kmeans算法什么是kmeans算法？先讲个故事：在古代各个部落之间会发生不间断的战争和冲突，战争会使家庭支离破碎，人们流离失所
2021-05-02 21:47:11
285
1
原创 协同过滤
协同过滤1.1 概述协同过滤（简称CF）是根据已有数据来推测出未知数据。在协同过滤这个算法中会从海量的数据中找到与你品味比较类似（ 即相似度达到指定范围）的数据，而这些数据会成为你的邻居，系统会根据*你的这些邻居为你推荐你心仪的物品。启发式的协同过滤算法可以分为基于用户的协同过滤算法和基于项目的协同过滤算法。1.2 协同过滤算法核心和原理 步骤如下： （1）收集用户偏好。 （2）找到相似的用户或物品。 （3）计算并推荐。1.3 基于用户的协同过滤算法1.3.1 相似值及预测值的
2021-04-20 16:55:20
8051
原创 梯度下降和矩阵分解
一.梯度下降法假设我们爬山，如果我们想要最快到到山顶，那我们就应该从山势最陡的地方（即山势变化最快的地方）上山1.1 简介梯度下降法，又名最速下降法，是求解无约束最优化问题最常用的方法，它是一种迭代方法每，一步主要的操作是为了求解目的函数的梯度向量，并以负梯度方向作为搜索方向 。直观图像，如图所示：这里的每一个圈代表一个函数梯度，最中间的位置表示函数的极值点，每次迭代根据当前位置求得的梯度和步长找到一个新的位置（这里的步长是事先设好的并且可以根据图像进行修改）1.2 梯度下降法——步骤假
2021-04-17 13:16:59
844
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