那几年。我学习机器学习的主要内容：1.机器学习基本导论，机器学习入门了解；2.线性回归与Logistic。xx业绩预測系统。智能交互统计系统等。3.岭回归。Lasso，变量选择技术。维度的技巧等技术；4.降维技术。xx指标设计，详细规范。5.线性分类器，Knn算法，朴素贝叶斯分类器。文本挖掘。XX智...
分类：
其他好文 时间：
2015-12-19 17:55:21
阅读次数：
141
KNN（K Nearest Neighbors,K近邻 ）算法是机器学习所有算法中理论最简单，最好理解的。KNN是一种基于实例的学习，通过计算新数据与训练数据特征值之间的距离，然后选取K（K>=1）个距离最近的邻居进行分类判断（投票法）或者回归。如果K=1，那么新数据被简单分配给其近邻的类。KNN算...
分类：
编程语言 时间：
2015-12-18 22:37:46
阅读次数：
176
PCA降维 ——最小方差解释（线性代数看PCA） 注：根据网上资料整理而得，欢迎讨论 机器学习算法的复杂度和数据的维数有着密切关系，甚至与维数呈指数级关联。因此我们必须对数据进行降维。 降维当然意味着信息的丢失，不过鉴于实际数据本身常常存在的相关性，我们可以想办法在降维的同时将信息的损失尽量...
分类：
其他好文 时间：
2015-12-17 22:35:17
阅读次数：
904
的优点是，在一个决策树的形式数据是easy理解。和kNN最大的缺点是数据的内在含义，不能给予。1：这个概念很简单文字说明 决策树的类型有非常多。有CART、ID3和C4.5等。当中CART是基于基尼不纯度(Gini)的。这里不做具体解释，而ID3和C4.5都是基于信息熵的，它们两个得到的结果都是一样...
分类：
其他好文 时间：
2015-12-14 16:18:08
阅读次数：
204
二、实验场景：H公司的网络拓扑图如上，网络环境描述如下：RTB是H公司汇聚层路由，并且是连接外部网络的出口路由器SWA连接公司局域网用户PCA，PCA通过在RTB上配置的NAT转换访问公网公司用户PCB要求可以远程登录内网路由器RTASWB和RTA之间通过以太网连接，使用RIPV2实现互联RTA..
分类：
其他好文 时间：
2015-12-13 02:18:20
阅读次数：
357
Atam教授：核希尔伯特空间（ 再生Hilbert空间），蒙塔卡罗方法，KNN，多维线性回归，PSF方法回归，特征之间的非线性关系，deep learning，香农信息熵，回归贝叶斯，稀疏字典构造Jayaram:模糊连通性原理，稀疏分解，非负矩阵分解，svd分解图分割，adaboost，自适应稀疏模...
分类：
其他好文 时间：
2015-12-07 16:00:02
阅读次数：
273
Fisherface是由Ronald Fisher发明的，想必这就是Fisherface名字由来。Fisherface所基于的LDA（Linear Discriminant Analysis，线性判别分析）理论和特征脸里用到的PCA有相似之处，都是对原有数据进行整体降维映射到低维空间的方法，LDA和...
分类：
编程语言 时间：
2015-12-06 14:26:51
阅读次数：
627
这篇文章是撸主要介绍人脸识别经典方法的第一篇，后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第一种方法，了解一下还是很有必要的。特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人...
分类：
编程语言 时间：
2015-12-06 14:25:48
阅读次数：
239
Python实战之KNN实现 用Python来实现K近邻分类算法（KNN）已经是一个老生常谈的问题，网上也已经有诸多资料，不过这里我还是决定记录一下自己的学习心得。 1、配置numpy库 numpy库是Python用于矩阵运算的第三方库，大多数数学运算都会依赖这个库来进行，关于numpy库的配...
分类：
编程语言 时间：
2015-12-05 17:35:09
阅读次数：
243
knn算法：1.优点：精度高、对异常值不敏感、无数据输入假定2.缺点：计算复杂度高、空间复杂度高。3.适用数据范围：数值型和标称型。一般流程：1.收集数据2.准备数据3.分析数据4.训练算法：不适用5.测试算法：计算正确率6.使用算法：需要输入样本和结构化的输出结果，然后运行k-近邻算法判定输入数据...
分类：
编程语言 时间：
2015-12-05 15:48:05
阅读次数：
152
