W_yu_cheng的博客

本文将稍微介绍径向基函数的基础知识，之后以鸢尾花数据集为例，介绍三种RBFNN的权值更新方法（激活函数使用高斯函数），即：直接计算法，自组织选取法，有监督学习（梯度下降法），确定RBFNN的三部分权重（高斯函数的中心和宽度，隐藏层与输出层之间的链接权）。鸢尾花数据集https://archive.ics.uci.edu/ml/index.php可从此处下载一些常用的简单的机器学习数据集，本文使用的鸢尾花数据集（将在最后的网盘链接中给出）包含三类，共150个样本，每条样本有4个属性，以csv文件的方式存

数据的输入、信号的正向传递、误差的计算、标签的设置、误差的反向传播、梯度下降法确定权值更新量

上一篇：异或问题，多层网络的引出什么是激活函数？激活函数是神经网络中的重要一环，也是神经网络之所以能叫“神经网络”的原因。初中应该就学过关于神经元的知识了。神经系统的结构和功能的基本单位是神经元，神经元的基本结构包括细胞体和突起两部分神经元的功能是神经元接受刺激并能产生兴奋（神经冲动），并能把兴奋传导到其它的神经元。也就是说其作用主要有三个：接受刺激、产生兴奋、传导兴奋。关于兴奋的产生，有一个重要的概念叫做兴奋阈值。兴奋阈值又称神经元阈限（threshold of a neuron），表示产生神

波士顿房价预测问题，模型构建，数学推导，代码实现

上一篇：感知机模型原理和对偶形式与二分类问题及python实现一元线性回归对于一条直线y = kx + b来说，如果有两个已知的在直线上的数据点，那么我们可以直接用代数的方法(比如待定系数法)求出直线的解析式。但是在生产生活中，大多数情况下，由于各种各样的误差的存在，我们难以得到准确的数据点的值，但是数据会离散地分布在直线的附近，通过离散点拟合出这条直线的过程，就可以叫做(一元)线性回归。我们记所有已知的数据点为（xi，yi），那么在xi处的理论上的实际值 kx + b与当前有的实际值yi之间的差值

什么是感知机？感知机是一种二分类线性模型，其输入是实例的特征向量，输出的是事例的类别，分别是+1和-1，属于判别模型。所谓二分类是因为其只有两种输出“+1”和“-1”，所谓线性，是因为感知机只能解决线性可分的问题。感知机训练的目标是得到一个能够将训练数据集两类实例点完全正确分开的分类超平面（对于三维样本，其超平面是一个面，二维样本是一条线）；如果是线性不可分可分的数据，则算法无法收敛。...

神经网络其实可以理解成一个特殊的函数，它有许多不确定的参数，将其确定好后，能够较好地构建出从输入特征到实际类别的映射。

神经网络虽然用到了数学，但是它不像数学这样“严谨”，它不像传统的机器学习手段(比如决策树、随机森林、近邻法等)一样，能让我们清楚地知道它到底学了什么，虽然现在有很多人致力于研究神经网络背后原理——它到底学到了什么？确实也有一些振奋人心的成果产出，不过还是远远不够的。神经网络我们经常称其为“黑箱”也就是我们不知道它到底学了什么，不知道为什么它为什么能如此好的工作（这里“不知道”的意思是说现在还不能...