在之前的模式识别研究中,判别函数J(.)的参数是已知的,即假设概率密度函数的参数形式已知。本节不考虑概率密度函数的确切形式,使用非参数化的方法来求解判别函数。由于线性判别函数具有许多优良的特性,因此这里我们只考虑以下形式的判别函数:它们或者是x的各个分量的线性函数,或者是关于以x为自变量的某些函数的线性函数。...
                            
                            
                                分类:
其他好文   时间:
2015-04-23 11:03:19   
                                阅读次数:
1147
                             
                    
                        
                            
                            
                                欠拟合与过拟合概念本次课程大纲:1、局部加权回归:线性回归的变化版本2、概率解释:另一种可能的对于线性回归的解释3、Logistic回归:基于2的一个分类算法4、感知器算法:对于3的延伸,简要讲复习:–第i个训练样本令,以参数向量为条件,对于输入x,输出为:n为特征数量定义成本函数J,定义为:m为训...
                            
                            
                                分类:
其他好文   时间:
2015-04-11 14:49:45   
                                阅读次数:
193
                             
                    
                        
                            
                            
                                在使用mahout之前要安装并启动hadoop集群
将mahout的包上传至linux中并解压即可
mahout下载地址:
点击打开链接
mahout中的算法大致可以分为三大类:
聚类,协同过滤和分类
其中
常用聚类算法有:canopy聚类,k均值算法(kmeans),模糊k均值,层次聚类,LDA聚类等
常用分类算法有:贝叶斯,逻辑回归,支持向量机,感知器,神经网络等
...
                            
                            
                                分类:
编程语言   时间:
2015-04-11 09:04:31   
                                阅读次数:
328
                             
                    
                        
                            
                            
                                在Mahout实现的机器学习算法见下表算法类算法名中文名分类算法Logistic Regression逻辑回归Bayesian贝叶斯SVM支持向量机Perceptron感知器算法Neural Network神经网络Random Forests随机森林Restricted Boltzmann Mach...
                            
                            
                                分类:
编程语言   时间:
2015-04-02 01:16:53   
                                阅读次数:
178
                             
                    
                        
                            
                            
                                原文http://blog.csdn.net/maverick1990/article/details/11721453欠拟合与过拟合概念本次课程大纲:1、局部加权回归:线性回归的变化版本2、概率解释:另一种可能的对于线性回归的解释3、Logistic回归:基于2的一个分类算法4、感知器算法:对于3...
                            
                            
                                分类:
其他好文   时间:
2015-03-28 18:33:49   
                                阅读次数:
179
                             
                    
                        
                            
                            
                                起源:线性神经网络与单层感知器古老的线性神经网络,使用的是单层Rosenblatt感知器。该感知器模型已经不再使用,但是你可以看到它的改良版:Logistic回归。可以看到这个网络,输入->加权->映射->计算分类误差->迭代修改W、b,其实和数学上的回归拟合别无二致。其中迭代修改参数,使目标函数收...
                            
                            
                                分类:
其他好文   时间:
2015-03-08 17:05:16   
                                阅读次数:
153
                             
                    
                        
                            
                            
                                二、Learning to Answer Yes/No二元分类。解决上一章提出的银行发行信用卡的问题。2.1 Perceptron Hypothesis Set感知器的假设空间。还是银行发信用卡的例子,银行可能掌握了用户的各种属性,如年龄,年薪,工作年限,负债情况等等,这些属性可以作为上面提到的样本...
                            
                            
                                分类:
其他好文   时间:
2015-02-01 19:01:40   
                                阅读次数:
257
                             
                    
                        
                            
                            
                                二、Learning to Answer Yes/No
二元分类。
解决上一章提出的银行发行信用卡的问题。
2.1 Perceptron Hypothesis Set
感知器的假设空间。
还是银行发信用卡的例子,银行可能掌握了用户的各种属性,如年龄,年薪,工作年限,负债情况等等,这些属性可以作为上面...
                            
                            
                                分类:
其他好文   时间:
2015-02-01 13:21:57   
                                阅读次数:
382
                             
                    
                        
                            
                            
                                本章节将会讨论 的前向神经网络(feed-forward neural network,后面简称NN),或者称为多层感知器(multilayer perceptron)。
                            
                            
                                分类:
Web程序   时间:
2015-01-31 00:09:26   
                                阅读次数:
426