vmdchc的博客

要点 1. 聚类任务描述 2. 性能度量 3.聚类算法 原型聚类 • K均值算法 • 学习向量算法 密度聚类 层次聚类 一、聚类任务 • 无监督学习unsupervised learning 标记未知；揭示数据的内在性质和规律 • 应用最广的无监督学习：聚类 二、性能度量 外部指标-计数 左边图是外部参考真实划分；右边是聚类算法推测结果。把数据...

要点 • 感知机模型 • 感知机学习策略 • 感知机学习算法 一、感知机 它是神经网络技术的基础；是支持向量机模型的基础，它的线性可分性和对偶性形式是SVM算法直接的对应关系。 • 针对：二分类问题 • 实质：分离超平面，判别模型； • 策略：基于误分类的损失函数； • 方法：利用梯度下降法对损失函数进行极小化； • 特点：感知机学习算法具有简单而易于实现的优点， •...

要点： 留出法 交叉验证法 自助法 性能度量 PR曲线 ROC和AUC曲线、 代价敏感错误率、 假设检验 T检验 偏差与方差 模型评估方法 泛化误差评估： 训练集 training set ： 用于训练模型 验证集 validation setvalidation set ： 用于模型选择 测试集 test settest ： 用于模型泛化误差的近似 ...

一、基本术语 举例，我们有一些关于橘子和橙子的数据集合，这些记录的集合称为数据集。每条记录是关于一个橙或橘的描述，称为示例或样本。记录中的形状、剥皮、味道称为属性或特征。圆形、扁圆形、难、易、甜为为各自属性或特征的属性值。如果把形状、剥皮、味道设为三个坐标轴、那它们就构成一个描述橙或橘的属性空间或样本空间。每个橘或橙都可以在属性空间中找到自己的坐标位置，我们把每个示例也称为特征向...

一、什么是机器学习？ 机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸 分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以 自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对 未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计 推断学联系尤为密切，也被称为统计学习理论。 二...