机器学习的常用方法：主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。 监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是 ...
分类：
其他好文 时间：
2018-10-14 13:54:48
阅读次数：
130
Svm算法又称为支持向量机，是一种有监督的学习分类算法，目的是为了找到两个支持点，用来使得平面到达这两个支持点的距离最近。 通俗的说：找到一条直线，使得离该线最近的点与该线的距离最远。 我使用手写进行了推导 求解实例 软间隔，通过设置C，使得目标函数的松弛因子发生变化，松弛因子越大，表示分类越不严格 ...
分类：
编程语言 时间：
2018-10-13 22:41:10
阅读次数：
238
概念 决策树（Decision Tree）：它通过对训练样本的学习，并建立分类规则，然后依据分类，对新样本数据进行分类预测，属于有监督学习 优点：决策树易于理解和实现，决策树可处理数值型和非数值型数据 步骤 导入数据，确定虚拟变量的列，然后遍历这些列，将这些类的数据转换为分类型数据，再通过get_d ...
分类：
编程语言 时间：
2018-10-06 00:03:25
阅读次数：
288
今天在学校又双叒叕提到了 Deep Reinforcement Learning That Matters 这篇打响 DRL（Deep Reinforcement Learning, 深度强化学习）劝退第一枪的文章后，回来以后久违刷了一下推特，看到了这篇爆文 Deep Reinforcement L ...
分类：
其他好文 时间：
2018-09-29 23:53:26
阅读次数：
189
概念 均方差 MSE mean square error 平均绝对差 MAE mean absolute error 交叉损失熵 cross entropy 欠拟合：训练集和测试集性能接近 过拟合：训练集远远高于测试集性能 有监督学习算法比较 knn 调节：n_neighbors 优点：模型很容易解 ...
分类：
编程语言 时间：
2018-09-24 13:51:44
阅读次数：
158
有监督学习Supervised Learning： 从已经标记的样本中进行学习 可用于目标识别、分类 本身不适合交互环境，但是若用正确的行为(action)对场景(situation)进行标注，也可学习。 适用于标注难度不大，成本不高的情况。 无监督学习Unsupervised Learning： ...
分类：
其他好文 时间：
2018-09-22 19:52:34
阅读次数：
491
前言 模型的评估方法主要是针对有监督学习的。 数据集划分方法 我们在拿到数据的时候，数据的表现形式会呈现多种多样性，我们首先需要做的是把数据格式化，把数据处理成计算机可以认识的结构。处理数据的过程叫做特征工程，特征工程是一个在机器学习的过程中，非常重要的一个过程，特征工程做的好坏，会直接影响到最后的 ...
分类：
其他好文 时间：
2018-09-21 15:06:42
阅读次数：
178
今天看了下这两个算法的思路，比较容易理解，就在这里简单记录一下 ID3算法：决策树中的一种经典算法，属于有监督学习和分类算法，如果遇到连续值需离散处理，以香农熵作为信息获取度量，通过计算特征的信息熵增益来确定一个个的根节点 退出条件如下： 1、标记属性一致 2、无可再分属性，这时就投票决定 缺点：对 ...
分类：
其他好文 时间：
2018-09-16 15:55:42
阅读次数：
162
参考与评述 参考书目《Deep Learning》Lan Goodfellow. 经典的深度学习框架是以计算图&梯度下降方法实现对前馈网络的有监督学习。 这里复现了前馈计算图的梯度计算实现。 一、前馈计算图实现 1. 前向与梯度计算 结果数组 （保存输入节点与计算节点的输出值，能够反映节点在计算方向 ...
分类：
其他好文 时间：
2018-09-08 19:58:54
阅读次数：
204
有监督学习虽然高效、应用范围广，但最大的问题就是需要大量的有标签的数据集，但现实生活中我们遇到的大量数据都是没有明确标签的，而且对于庞大的数据集进行标注工作本身也是一项费时费力的工作模式，所以我们希望找到一种方法能自动的挖掘数据集中各变量的关系，然后"总结"出一些规律和特征进行分类，这样的方法我们成... ...
分类：
其他好文 时间：
2018-09-02 00:08:43
阅读次数：
300
