zhongjunlang的专栏

1. 关于非线性转化方程(non-linear transformation function)sigmoid函数(S 曲线)用来作为activation function: 1.1 双曲函数(tanh) 1.2 逻辑函数(logistic function)2. 实现一个简单的神经网络算法# -*- coding:utf-8 -*-import numpy as np

转载自：http://blog.sina.com.cn/s/blog_a6c646330102vx6y.html 对于标称型数据来说，preprocessing.LabelBinarizer是一个很好用的工具。比如可以把yes和no转化为0和1，或是把incident和normal转化为0和1。当然，对于两类以上的标签也是适用的。这里举一个简单的例子，说明将标签二值化以及其逆过程。# -*- c

1. 与简单线性回归区别(simple linear regression) 多个自变量(x)2. 多元回归模型 y=β0＋β１x1+β2x2+ … +βpxp+ε 其中：β0，β１，β2… βp是参数 ε是误差值3. 多元回归方程 E(y)=β0＋β１x1+β2x2+ … +βpxp4. 估计

Python机器学习的库：scikit-learn1.1： 特性： 简单高效的数据挖掘和机器学习分析 对所有用户开放，根据不同需求高度可重用性 基于Numpy, SciPy和matplotlib 开源，商用级别：获得 BSD许可1.2 覆盖问题领域： 分类（classification), 回归（regression), 聚类（clustering), 降维(dimension

最邻近规则分类(K-Nearest Neighbor)KNN算法1. 综述 1.1 Cover和Hart在1968年提出了最初的邻近算法 1.2 KNN是一种分类(classification)算法 1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)（因为KNN就是一种属于随大流的思想，我离那个部落近我就属于哪里的人）2. 例

最邻近规则分类(K-Nearest Neighbor)KNN算法应用1.Iris数据集介绍调用ython的机器学习库sklearn实现虹膜分类 Iris数据包含150条样本记录，分剐取自三种不同的鸢尾属植物setosa、versic010r和virginica的花朵样本，每一 类各50条记录，其中每条记录有4个属性：萼片长度(sepal length)、萼片宽度sepalwidth)、花瓣长

1. 背景： 1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表 1.3 深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法.是最好的现成的分类器，‘现成’指

第一个简单的小例子：# -*-coding:utf-8 -*-from sklearn import svmx = [[2, 0], [1, 1], [2, 3]]y = [0, 0, 1]clf = svm.SVC(kernel = 'linear')# kernel ：核函数，默认是rbf，可以是‘linear’, ‘poly’, ‘rbf’, #‘sigmoid’, ‘precomput