一、概述 假设有以下数据： $$D=\left {(x_{1},y_{1}),(x_{2},y_{2}),\cdots ,(x_,y_)\right }\ x_\in \mathbb,y_\in \mathbb,i=1,2,\cdots ,N\ X=(x_{1},x_{1},\cdots ,x_)= ...
分类：
其他好文 时间：
2020-07-22 20:54:34
阅读次数：
82
概述传统的控制：将任务分解成多个任务的串并联，设计（子）控制器机器学习：将控制器压缩成黑盒Black box强化学习不同于 监督、非监督学习（与静态数据交互），与环境产生交互，产生最优结果的动作序列。强化学习架构Agent： 由Policy 和 RL_Alg构成Enviroment：关键定义Rewa... ...
分类：
其他好文 时间：
2020-07-22 16:27:19
阅读次数：
132
在机器学习中，我们通过一些已标记的数据（已知的数据，带有标签，确定了其种类和一些属性数值的数据记录）记录成图表等，比如在进行分类问题的训练过程中， 如果特性只有两个，那么可以列平面图表来表示对应的labeled data， 即类似 的图像（来自百度图片）， 其中的曲线既是决策边界，如果我们用一个表格 ...
分类：
其他好文 时间：
2020-07-22 15:38:58
阅读次数：
68
一、基本术语 1.18泛化：学得模型是否适用于新样本的能力 注：假设样本空间的全体样本服从于一个未知的分布D，我们得到的样本都是独立从D上采样得到的，即“独立同分布”。训练样本越多，地道道关于D的信息越多，也就也可能通过学习得到强泛化能力的模型 1.19归纳：从特殊到一般的“泛化”过程 1.20演绎 ...
分类：
其他好文 时间：
2020-07-21 01:21:58
阅读次数：
82
sklearn的数据集 数据集划分 数据集接口介绍 数据集划分 前提：机器学习就是从数据中自动分析获得规律，并利用规律对未知数据进行预测。换句话说，我们的模型一定是要经过样本数据对其进行训练，才可以对未知数据进行预测的。 问题：我们得到数据后，是否将数据全部用来训练模型呢？ 当然不是！因为我们如果模 ...
分类：
其他好文 时间：
2020-07-21 01:08:37
阅读次数：
86
原文链接：https://www.cnblogs.com/pinard/p/6221564.html 谱聚类（spectral clustering）是广泛使用的聚类算法，比起传统的K-Means算法，谱聚类对数据分布的适应性更强，聚类效果也很优秀，同时聚类的计算量也小很多，更加难能可贵的是实现起来 ...
分类：
其他好文 时间：
2020-07-20 13:26:41
阅读次数：
60
作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 我们生活在数字技术的时代。你上次走进一家没有数字交易的商店是什么时候？ 这些数字交易技术已经迅速成为我们日常生活的一个关键部分。 不仅仅是在个人层面，这些数字技术是每个金融机构的核心。通过多种可能的选择(如网上银行、ATM、 ...
分类：
其他好文 时间：
2020-07-19 18:08:02
阅读次数：
90
转录组紧紧围绕基因表达量和功能分析两部分，结合生物学问题来进行数据分析。 高表达基因已经研究比较透彻，应该更多关注中低表达基因。 层次聚类的妙用： -- 全部基因——>（差异分析）——>根据趋势挑选部分特异性基因——>功能分析； -- 功能大类聚类——>根据趋势挑选部分特异性功能——>功能小类聚类； ...
分类：
其他好文 时间：
2020-07-19 16:14:49
阅读次数：
90
搬运自我的CSDN https://blog.csdn.net/u013213111/article/details/107308563 参考：西瓜书 DBSCAN的思想是基于密度来聚类，十分直观易懂，更严谨的描述可见西瓜书，其中个人认为最关键的是： 若$x$为核心对象，由$x$密度可达的所有样本组 ...
分类：
数据库 时间：
2020-07-19 15:48:14
阅读次数：
75
以Python撰写AI模型框架by高焕堂前言：在AI(人工智慧)方面，由于当今的机器学习本质是一种<大数据相关性支撑的>归纳性推理。软体框架的复用(Reuse)性愈高，对于应用开发的帮助愈大。因此，在AI领域里，软体框架魅力将会大放异彩。在本文里，是基于最简单的Perceptron模型来阐述如何分析、设计及实作一个框架和API。在本节里，将优化这个AI模型，让它从线性分类，提升到非线性
分类：
编程语言 时间：
2020-07-19 11:27:56
阅读次数：
62
