追求卓越583的博客

一文弄懂神经网络中的反向传播法——BackPropagation： https://blog.youkuaiyun.com/u010182186/article/details/74936796#commentBox 附代码：https://www.cnblogs.com/charlotte77/p/5629865.html ...

Percetron Learning Algorithm——感知学习算法 PLA用于解决的是对于二维或者高维的 线性可分 问题的分类，最终将问题分为两类——是或者不是。 注意PLA一定是针对线性可分的问题，即可以找到一条线，或者超平面去分开是和不是的两堆数据，如果不是线性可分。 可以通过后来的Pocket改正算法，类似贪心的法则找到一个最适合的。 一个很好的用于PLA的例子是银行要不要...

链接：https://www.nowcoder.com/questionTerminal/104e95c6a13d464a86eb6b657cc545c0 这里的正负样本不重要，只是在使用SVM原理计算时，y的值不同而已。 有两个样本点，第一个点为负样本,它的特征向量是(0,-1);第二个点为正样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是( C...

朴素贝叶斯（Naive Bayes）是一种简单的分类算法，它的经典应用案例为人所熟知：文本分类（如垃圾邮件过滤）。很多教材都从这些案例出发，本文就不重复这些内容了，而把重点放在理论推导（其实很浅显，别被“理论”吓到），三种常用模型及其编码实现（Python）。 如果你对理论推导过程不感兴趣，可以直接逃到三种常用模型及编码实现部分，但我建议你还是看看理论基础部分。 另外，本文的所有代码都可以从我...

先上结论 公式上看 生成模型： 学习时先得到 P(x,y)，继而得到 P(y|x)。预测时应用最大后验概率法（MAP）得到预测类别 y。 判别模型： 直接学习得到P(y|x)，利用MAP得到 y。或者直接学得一个映射函数 y=f(x)。 直观上看 生成模型： 关注数据是如何生成的 判别模型： 关注类别之间的差别 先直观理解 我们先从直观上来理解一下： 生成模型： 源头导向。尝试去找到...

古典概率：随机现象所能发生的事件是有限的、互不相容的,而且每个基本事件发生的可能性相等。   两个特点：          一是试验的样本空间有限，如掷硬币有正反两种结果，掷骰子有6种结果等；            二是试验中每个结果出现的可能性相同，如硬币和骰子是均匀的前提下，掷硬币出现正反的可能性各为1/2，掷骰子出出各种点数的可能性各为1/6。   先验概率：是指根据以往经验和分析...

1.https://blog.youkuaiyun.com/guoyunfei20/article/details/78911721 2.https://www.cnblogs.com/zhoulujun/p/8893393.html 3（赋代码）.https://blog.youkuaiyun.com/fuqiuai/article/details/79458943   贝叶斯分类器：     1.类型：有监...

第2章 模型评估与选择 p24-p51  2017-2-24 Fri Model selection模型选择：选用哪种学习算法、使用哪种参数配置 （理想的解决方案：对候选模型的泛化误差进行评估，再选择泛化误差最小的那个模型） （通过实验来对学习器的泛化误差进行评估并进而做出选择） Hold-out留出法：将数据集划分为两个互斥的集合，一个训练集，一个测试集 （其划分要尽可能保持数据分...

第1章 p1-p23  2017-2-20 Mon 模型：泛指从数据中学得的结果 Instance示例（或sample样本）：每条记录的数据。每条记录是关于一个事件或对象的描述。 Data set数据集:记录数据的集合 Attribute属性（或feature特征）：反映事件或对象在某方面的表现或性质的事项 Attribute value属性值：属性上的取值 Attribute spa...

机器学习常见算法个人总结（面试用） http://blog.sina.cn/dpool/blog/s/blog_cfa68e330102ycy7.html?md=gd 机器学习常见算法个人总结（面试用） https://www.jianshu.com/p/d792279a30bc?utm_campaign=maleskine&utm_content=note&utm_mediu...

《机器学习》西瓜书读书笔记 | 基本术语 http://blog.sina.cn/dpool/blog/s/blog_cfa68e330102yd1w.html?md=gd https://www.jianshu.com/p/5c3218821ca9 周志华《机器学习》可以说是国内机器学习方面堪称经典的入门书籍了，做个读书笔记，方便以后温故知新。 例：假设我们收集了一批关于西瓜的数据，例如（色泽...

http://blog.sina.cn/dpool/blog/s/blog_cfa68e330102ycy9.html?md=gd https://www.cnblogs.com/shiwanghualuo/p/7192678.html 首先的阶段由卷积层和池化层组成，卷积的节点组织在特征映射块（feature maps）中，每个节点与上一层的feature maps中的局部块通过一系列的权重即...

  增注：虽然当时看这篇文章的时候感觉很不错，但是还是写在前面，想要了解关于机器学习度量的几个尺度，建议大家直接看周志华老师的西瓜书的第2章：模型评估与选择，写的是真的很好！！ 以下第一部分内容转载自：机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)是怎么一回事 摘要： 数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、...

简单解释：分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。举个例子：预测明天的气温是多少度，这是一个回归任务；预测明天是阴、晴还是雨，就是一个分类任务。分类模型和回归模型本质一样，分类模型可将回归模型的输出离散化（下面例子1. 2. 4. 5.），回归模型也可将分类模型的输出连续化（下面例子3.）举几个例子:Logistic Re...

机器学习中分类与聚类的本质区别机器学习中有两类的大问题，一个是分类，一个是聚类。 在我们的生活中，我们常常没有过多的去区分这两个概念，觉得聚类就是分类，分类也差不多就是聚类，下面，我们就具体来研究下分类与聚类之间在数据挖掘中本质的区别。分类分类有如下几种说法，但表达的意思是相同的。分类（classification）:分类任务就是通过学习得到一个目标函数f，把每个属...