这篇博客对应的是Andrew.Ng的那篇文章：An Analysis o f Single-Layer Networks in Unsupervised Feature Learning，文章的主要目的是讨论receptive field size，number of hidden nodes， s...
分类：
其他好文 时间：
2014-11-19 20:03:54
阅读次数：
255
本文基本按照《统计学习方法》中第一章的顺序来写，目录如下：1. 监督学习与非监督学习2. 统计学习三要素3.过拟合与正则化（L1、L2）4.交叉验证5. 泛化能力6. 生成模型与判别模型7. 机器学习主要问题8. 提问正文：1. 监督学习与非监督学习 从标注数据中学习知识的规律以及训练模型的方法叫....
分类：
其他好文 时间：
2014-11-16 21:18:33
阅读次数：
281
机器学习算法原理、实现与实践——监督学习机器学习包括监督学习、非监督学习、半监督学习及强化学习，这里先讨论监督学习。 监督学习的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。1 基本概念1.1 输入空间、特征空间与输出空间输入与输出所有可能取值的集合分别称为输入空间...
分类：
其他好文 时间：
2014-10-31 09:57:32
阅读次数：
461
机器学习课程要求：掌握基本线性代数(矩阵、矢量、矩阵向量乘法),和基本概率(随机变量、基本属性的概率)以及微积分机器学习：引言课程1 机器学习：引言课程2机器学习算法分为：1.监督式学习算法2.非监督式学习算法3.强化学习算法4.推荐系统机器学习：引言课程3—监督式学习监督式学习...
分类：
其他好文 时间：
2014-10-24 18:34:45
阅读次数：
228
印象笔记同步分享：Machine Learning—分类和聚类，监督学习和非监督学习...
分类：
其他好文 时间：
2014-09-14 01:24:16
阅读次数：
193
一，引言
之前几个章节讨论的都是监督聚类，从本章开始讨论非监督聚类，即训练模式不带标签的情形。
聚类的步骤：
1，特征选择。选取最能够表示我们目标物体信息的特征。
2，相似性度量。给出两个特征量相似点或者不想似的地方。
3，聚类标准。聚类标准。可能由损耗函数（cost function）或者其他形式表达。
4，聚类算法。根据相似性度量和聚类标准，阐明数据的结构。
5，...
分类：
其他好文 时间：
2014-07-28 16:10:33
阅读次数：
181
实验名称： k-meas非监督聚类分析一、实验目的和要求
目的：加深对非监督学习的理解和认识掌握聚类方法K-Means算法的设计方法要求：根据聚类数据，采用k-Means聚类方法画出聚类中心二、实验环境、内容和方法环境：windows
7，python2.6 ，Eclipse，Pydev 内容： 1...
分类：
其他好文 时间：
2014-05-19 11:48:59
阅读次数：
416
在机器学习(Machine learning)领域，主要有三类不同的学习方法：
监督学习(Supervised learning)、
非监督学习(Unsupervised learning)、
半监督学习(Semi-supervised learning)，
监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。
非监督学习：直接...
分类：
其他好文 时间：
2014-04-30 22:12:38
阅读次数：
297
一
统计学习方法概述统计学习对象：数据-->数据特征-->数据模型-->知识-->预测统计学习关于数据的假设：
具有一定统计规律性的同类数据。统计学习目的： 对数据进行预测与分析，尤其是对未知新数据进行分析预测。通过构建概率统计模型实现。统计学习方法：
监督学习，非监督学习，半监督学习，强化学习监督...
分类：
其他好文 时间：
2014-04-28 01:04:26
阅读次数：
583
