转自: https://blog.csdn.net/ch1209498273/article/details/78266558 在有监督的机器学习中，经常会说到训练集（train)、验证集（validation）和测试集（test），这三个集合的区分可能会让人糊涂，特别是，有些读者搞不清楚验证集和测 ...
分类：
其他好文 时间：
2018-05-22 20:43:40
阅读次数：
470
机器学习的任务是从属性X预测标记Y，即求概率P(Y|X)； 有监督学习 training data给了正确的答案即label，任务就是建立相应的模型，训练样本集外的数据进行分类预测。 生成式模型 生成模型学习一个联合概率分布P（x，y） 常见的判别方法有 k近邻法、感知机、决策树、逻辑回归、线性回归 ...
分类：
其他好文 时间：
2018-04-22 12:55:52
阅读次数：
188
1.不同输出空间上的学习 二分类问题 多分类问题 回归问题 结构化的问题（有趣且复杂，可从多分类的问题衍生而来） ... 2.不同数据标签上的学习 有监督的学习 无监督的学习 无监督的多分类 聚类 （比监督式的困难，但是更实用） 无监督的应用： 聚类 文章 = 主题 用户画像 = 用户群 密度分析 ...
分类：
其他好文 时间：
2018-04-21 19:41:03
阅读次数：
145
转载自：https://www.leiphone.com/news/201706/dTRE5ow9qBVLkZSY.html 数据不平衡问题主要存在于有监督机器学习任务中。当遇到不平衡数据时，以总体分类准确率为学习目标的传统分类算法会过多地关注多数类，从而使得少数类样本的分类性能下降。绝大多数常见的 ...
分类：
其他好文 时间：
2018-04-12 19:52:49
阅读次数：
1144
目录： 机器学习基础： 机器学习的分类与一般思路 微积分基础： 泰勒公式，导数与梯度 概率与统计基础： 概率公式、常见分布、常见统计量 线性代数基础： 矩阵乘法的几何意义 这是一张非常著名的图，请仔细挖掘其信息量。以期它在整体上指引我们的学习。 1 机器学习基础 1.1 机器学习分类 有监督学习、无 ...
分类：
其他好文 时间：
2018-04-09 11:08:29
阅读次数：
302
内容:线性回归；逻辑回归，应用场景。 一、线性回归 有监督学习，根据学习样本{x->y},学习一个映射f：X->Y(线性相关),输出预测结果y_i。最简单的例子：y=ax+b 重要组成：训练数据集 training set, 学习算法 learning algorithm, 损失函数 loss fu ...
分类：
其他好文 时间：
2018-03-25 14:27:24
阅读次数：
235
对于机器学习的实际运用。光停留在知道了解的层面还不够，我们须要对实际中easy遇到的一些问题进行深入的挖掘理解。我打算将一些琐碎的知识点做一个整理。 1 数据不平衡问题 这个问题是经常遇到的。就拿有监督的学习的二分类问题来说吧。我们须要正例和负例样本的标注。假设我们拿到的训练数据正例非常少负例非常多 ...
分类：
编程语言 时间：
2018-03-23 19:23:56
阅读次数：
283
数据分析和判别的过程中，存在数值化特征和非数值化特征。 对非数值化特征，使用人工神经网络或支持向量机则需要对数据进行编码后进行分类，但是分明显编码之后大幅度增加了数据的维度。因此引入决策树的方法。 决策树是一种利用一定的训练样本从数据中学习规则的模型，很明显他是一种有监督学习（supervised ...
分类：
其他好文 时间：
2018-03-22 17:22:04
阅读次数：
163
论文地址：《Rich feature hierarchies for accurate object detection and semantic segmentation》 论文包含两个关键：（1）使用CNN处理候选框，以便定位个分割目标。（2）当训练集较小时，有监督的预训练和特点区域的微调。 介 ...
分类：
其他好文 时间：
2018-03-16 20:22:13
阅读次数：
198
按照我们对于变量的分类：分为数值变量和分类变量，数值变量可以分为连续型和离散型，分类变量又有有序的和无序的。下面我将介绍一些对于这些变量进行离散化处理。 无序分类变量的离散化方法： 比如在泰坦尼克号当中，有一个变量叫做乘客登陆的港口，取值为（C, Q, S）代表三个地方。这是一个典型的无序分类变量， ...
分类：
其他好文 时间：
2018-03-15 22:14:14
阅读次数：
292
