- 博客(15)
- 收藏
- 关注
RSS订阅原创 吃瓜教程5——西瓜书第六章
给定线性可分数据集X，支持向量机模型希望求得数据集X关于超平面的几何间隔达到最大的那个超平面，然后套上一个sign函数实现分类功能其本质和感知机一样，仍然是在求一个超平面。注意：几何间隔最大的超开面就是“距离正负样本都最远的超平面”，理由如下：当超平面没有正确划分正负样本时：几何间隔最小的为误分类点，因此<0当超平面正确划分超平面时：≥0，且越靠近中央越大。
2023-08-05 22:57:39
233
1
原创 吃瓜教程4——神经网络（西瓜书第5章）
由于像感知机这种单个神经元分类能力有限，只能分类线性可分的数据集，对于线性不可分的数据集则无能为力，但是多个神经元构成的神经网络能够分类线性不可分的数据集（西瓜书上异或问题的那个例子），且有理论证明了通甬近似定理）：只需一个包含足够多神经元的隐层，多层前馈网络（最经典的神经网络之一）就能以任意精度逼近任意复杂度的连续函数。给定一个线性可分的数据集T,感知机的学习目标是求得能对数据集T中的正负样本完全正确划分的超平面，其中。为样本的特征向量，是感知机模型的输入，,对任意一个误分类样本。是感知机模型的参数，
2023-08-02 23:35:12
226
原创 吃瓜教程3——决策树（西瓜书第四章）
信息增益原则对可能取值数目较多的属性有所偏好（例如“编号”这个较为极端的例子，不过其本是原因不是取值数目过多，而是每个区之里面所包含的样本量太少），为减少这种偏好可能带来的不利影响，C4.5决策树选择使用“增益率”代替“信息增益",增益率定义为。将样本类别标记y视作随机变量，各个类别在样本集合D中的占比pk（k = 1,2,...|y|)视作各个类别取值的概率，则样本集合D（随机变量y）的信息熵（底数b去2）为。在已知属性a的取值后y的不确定性减少的量，也即纯度的提升。以信息增益为准则来划分属性的决策树。
2023-07-31 00:13:27
361
1
原创 吃瓜教程2——线性回归（西瓜书第3章）
为便于讨论，我们把w和b吸收入向量形式=（w；b），相应的，把数据集D表示为一个m×（d+1）大小的矩阵X，其中每行对应于一个示例，该行前d个元素对应于示例的d个属性值，最后一个元素恒置为1，即。给定数据集D={（x1，y1），（x2，y2），...，（xm，ym）}，其中xi=（xi1；其中xi是x在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数。再把标记也写成向量形式y=（y1；f（xi）=wTxi+b，使得f（xi）yi。步骤:对w求导，对b求导，导数为零为最优解。
2023-07-28 00:26:12
160
1
原创 吃瓜教程1--概念准备
学习过程中的基础思想：归纳：从特殊到一般的”泛化“；演绎：由基础原理推演到各种情况；归纳学习：广义指从样例中学习，狭义指从训练数据中学得概念：概念学习、概念形成；学习过程可以看作在所有假设组成的空间中进行搜索的过程，搜索目标是找到与训练集匹配的假设，有许多搜索策略对假设空间进行搜索，如自顶向下、从一般到特殊等，最终获得与训练集一致的假设；概念：版本空间：与训练集一致的假设集合。
2023-07-21 23:44:44
494
1
原创 Datawhale 10月学习-Free excel 学习笔记--excel函数3--FILTER,SUMIF,SUBTOTAL
excel中函数FILTER,SUMIF,SUBTOTAL
2022-10-24 23:28:51
1175
原创 Datawhale 10月学习-Free excel 学习笔记--excel函数2.VLOOKUP/XLOOKUP函数
excel-VLOOKUP函数
2022-10-21 21:55:22
199
原创 Datawhale 10月学习-Free excel 学习笔记1--数据的获取
Excel学习笔记1--了解Excel和如何从文件及网页获取数据
2022-10-11 12:08:18
1956
1
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