weixin_41858342的博客

Python3：《机器学习笔记与实战》之Knn算法（1）我们约会吧转载请注明作者和出处：https://blog.youkuaiyun.com/weixin_41858342/article/details/86700041代码及数据地址：https://github.com/yuankaihua668/knn-code-and-data.git操作系统：WINDOWS 10软件版本：python-...

Python3：《机器学习笔记与实战》之Knn算法（2）识别手写数字转载请注明作者和出处：https://blog.youkuaiyun.com/weixin_41858342/article/details代码及数据地址：https://github.com/yuankaihua668/knn-code-and-data.git操作系统：WINDOWS 10软件版本：python-3.6.2-am...

算法思想：基于条件概率 联合概率假设各个特征之间是独立且同等重要的。应用场景：    ①：文本分类 垃圾邮件、留言审核等过滤    ②：个人广告中获取区域倾向算法流程：    1.计算分子：A发生的先验概率。计算在A发生后，不同的独立特征的条件概率。相乘得出分子的值。    2.计算分母：各独立特征发生的全概率。    算法    ①、分解各类先验样本数据中的特征...

一、逻辑回归基本概念1. 什么是逻辑回归逻辑回归就是这样的一个过程：面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别）回归模型中，y是一个定性变量，比如y=0或1，logistic方法主要应用于...

有监督学习机器学习分为有监督学习，无监督学习，半监督学习，强化学习。对于逻辑回归来说，就是一种典型的有监督学习。 既然是有监督学习，训练集自然可以用如下方式表述： {(x1,y1),(x2,y2),⋯,(xm,ym)}{(x1,y1),(x2,y2),⋯,(xm,ym)}对于这m个训练样本，每个样本本身有n维特征。再加上一个偏置项x0x0, 则每个样本包含n+1维特征： x=[x0,x...

1.梯度可以理解为函数的导数，减去的是学习率乘以损失函数的导数，即梯度#coding:utf-8#4.2学习率#设损失函数为 loss=(w+1)^2,令w初值是常数5。反向传播就是求最优w,即求最小对应的loss 对应的w值。import tensorflow as tfimport numpy as np#定义待优化参数 W初值为5 w = tf.Variable...

1.泛化能力模型适用于新样本的能力为泛化 (generalization)能力。适用可以理解为分类 预测 聚类 关联规则，新样本可以理解为新环境。下图为滑动平均值得计算过程:工程中滑动平均值得计算如下：滑动平均值实例代码如下：#coding:utf-8#4.3 滑动平均的计算#设损失函数为 loss=(w+1)^2,令w初值是常熟5。反向传播就是求最优w,即...

一、降维的主要目的数据降维的应用：①降低数据的存储量；②加快机器学习的速度；③数据可视化 数据降维的本质： 方差 方差的公式 方差的意义：方差越小，代表这组数据越稳定，方差越大，代表这组数据越不稳定。下面内容主要 介绍目前降维的主要方法二、PCA（主成分分析）principal component analysis原理：对于一个未知的系统，我们假设它有n个参数。我们想要...