随.变.-优快云博客

原创《机器学习实战》第12章*

本章深入研究了TensorFlow并介绍其底层Python API，使用TensorFlow自定义模型和训练。

2022-09-10 11:01:12 503

原创《机器学习实战》第11章

本章介绍了一些训练深度神经网络的方法。

2022-09-10 10:48:06 468

原创《机器学习实战》第十章

人工神经网络是深度学习的核心。适合处理大型和高度复杂的机器学习任务。本章介绍了使用Keras实现神经网络。

2022-09-10 10:08:40 494

在机器学习中，聚类是将相似的实例组合在一起的无监督任务。相似性的概念取决于你手头的任务：例如，在某些情况下，两个附近的实例将被认为是相似的，而在另一些情况下，只要它们属于同一密度组，则相似的实例可能相距甚远。流行的聚类算法包括K-Means、 DBSCAN、聚集聚类、BIRCH、均值平移、亲和度传播和光谱聚类。标记数据集既昂贵又费时。因此，通常有很多未标记的实例，很少有标记的实例。标签传播是一种技术，该技术包括将部分（或全部）标签从已标记的实例复制到相似的未标记实例。

2022-09-05 18:49:34 276

原创《机器学习实战》第八章

本章介绍了维度的概念和若干降维方法与技术。

2022-09-03 21:48:18 165

原创第七章习题

但是，boosting集成的每个预测器都是基于其前序的结果，因此训练过程必须是有序的，将其分布在多个服务器上毫无意义。对于stacking集成来说，某个指定层的预测器之间彼此独立，因而可以在多台服务器上并行训练，但是，某一层的预测器只能在其前一层的预测器全部训练完成之后才能开始训练。如果它们是在不同的训练实例（这是bagging和pasting集成的关键点）上完成训练，那就更好了，但如果不是，只要模型非常不同，这个集成仍然有效。所以，如果训练使用的实例越多，集成的性能可以略有提升。

2022-09-02 17:50:29 987

原创《机器学习实战》第七章

本章介绍了集成学习和随机森林模型。

2022-09-02 17:44:41 413

原创第六章习题

一个包含m个叶节点的均衡二叉树的深度等于log2（m）（注： log2是基2对数，log2（m）=log（m）/log（2）。通常来说，二元决策树（只做二元决策的树，就像Scikit-Learn中的所有树一样）训练到最后大体都是平衡的，如果不加以限制，最后平均每个叶节点一个实例。该算法分裂每个节点的方法，就是使其子节点的基尼不纯度的加权之和最小。所以，如果将训练集大小乘以10，训练时间将乘以K=（n×10m×log（10m））/ （n×m×log（m））=10×log（10m）/log（m）。

2022-09-02 14:47:38 503

原创《机器学习实战》第六章

本章介绍了决策树模型。

2022-09-02 14:43:28 240

原创第五章习题

支持向量机的训练完成后，位于“街道”（参考上一个答案）之上的实例被称为支持向量，这也包括处于边界上的实例。决策边界完全由支持向量决定。非支持向量的实例（也就是街道之外的实例）完全没有任何影响。你可以选择删除它们然后添加更多的实例，或者将它们移开，只要一直在街道之外，它们就不会对决策边界产生任何影响。计算预测结果只会涉及支持向量，而不涉及整个训练集。

2022-09-02 13:44:10 311

原创《机器学习实战》第五章

本章主要介绍了SVM（支持向量机）的模型。

2022-09-02 13:14:49 367

原创第四章练习题

具有某些正则化的模型通常比没有任何正则化的模型要好，因此，你通常应优先选择岭回归而不是简单的线性回归。这是一种自动进行特征选择的方法，如果你怀疑实际上只有很少的特征很重要，那么这是一种很好的方法。如果你不确定，则应首选岭回归。如果训练误差和验证误差几乎相等且相当高，则该模型很可能欠拟合训练集，这意味着它具有很高的偏差。如果你要将图片分类为室外/室内和白天/夜间，因为它们不是排他的类（即所有四种组合都是可能的），则应训练两个逻辑回归分类器。如果训练错误没有增加则已经过拟合训练，应该停止训练。...

2022-08-28 14:37:28 396