六、逻辑回归 6.1 分类问题 对于二分类问题， 我们一般将结果分为0/1，在理解逻辑回归时可以引入感知机，感知机算是很早的分类器，但因为感知机是分布函数，也就是输出的值小于某一临界值，则分为-1，大于某一临界值，则分为1，但由于其在临界点处不连续，因此在数学上不好处理，而且感知机分类比较粗糙，无法 ...
分类：
其他好文 时间：
2018-04-14 14:03:21
阅读次数：
297
一、支持向量机（SVM） 支持向量机，是用于解决分类问题。为什么叫做支持向量机，后面的内容再做解释，这里先跳过。 在之前 "《逻辑回归》" 的文章中，我们讨论过，对于分类问题的解决，就是要找出一条能将数据划分开的边界。 对于不同的算法，其定义的边界可能是不同的，对于SVM算法，是如何定义其边界的？其 ...
分类：
其他好文 时间：
2018-04-13 16:17:30
阅读次数：
145
整理自Adrew Ng 的 machine learning课程week3 目录： 二分类问题 模型表示 decision boundary 损失函数 多分类问题 过拟合问题和正则化 什么是过拟合 如何解决过拟合 正则化方法 模型表示 decision boundary 什么是过拟合 如何解决过拟合 ...
分类：
系统相关 时间：
2018-04-09 17:13:59
阅读次数：
292
参考：http://www.cnblogs.com/maybe2030/p/4585705.html “其实从直观角度来解释，每棵决策树都是一个分类器（假设现在针对的是分类问题），那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出， ...
分类：
其他好文 时间：
2018-04-07 15:00:04
阅读次数：
131
官网地址：https://www.tensorflow.org/versions/r1.1/get_started/tflearn 1.代码例子 实现自定义的Estimator 使用DNNClassifier解决鸢尾花分类问题 使用FtrlOptimizer优化器 使用随机森林解决鸢尾花分类问题 使 ...
分类：
其他好文 时间：
2018-04-06 22:36:17
阅读次数：
220
什么是K近邻? K近邻一种非参数学习的算法，可以用在分类问题上，也可以用在回归问题上。 什么是非参数学习？ 一般而言，机器学习算法都有相应的参数要学习，比如线性回归模型中的权重参数和偏置参数，SVM的C和gamma参数，而这些参数的学习又依赖一定的学习策略。相比较而言，k近邻算法可以说是最简单，也是 ...
分类：
编程语言 时间：
2018-04-06 17:34:49
阅读次数：
136
感知器（PLA——Perceptron Learning Algorithm），也叫感知机，处理的是机器学习中的分类问题，通过学习得到感知器模型来对新实例进行预测，因此属于判别模型。感知器于1957年提出，是神经网络的基础。 ...
分类：
其他好文 时间：
2018-04-04 00:02:48
阅读次数：
302
解决样本不均衡的问题很多，主流的几个如下： 1.样本的过采样和欠采样。 2..使用多个分类器进行分类。 3.将二分类问题转换成其他问题。 4.改变正负类别样本在模型中的权重。 一、样本的过采样和欠采样。 1.过采样：将稀有类别的样本进行复制，通过增加此稀有类样本的数量来平衡数据集。该方法适用于数据量 ...
分类：
其他好文 时间：
2018-04-03 21:55:08
阅读次数：
679
一、Zero Shot learning ? 在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练图片未出现的类别（例如牛），这个模型便无法将牛识别出来，而ZSL就 ...
分类：
其他好文 时间：
2018-04-03 14:21:35
阅读次数：
13164
一、决策树 1、决策树是一种基本的分类与回归方法，本文主要讨轮用于分类的决策树，决策树模型呈现树形结构，在分类问题中，表示基于特征对实例进行分类的过程， 学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型 预测时，对新的数据，利用决策树模型进行分类， 决策树学习通常分为3个步骤：特征选择、 ...
分类：
其他好文 时间：
2018-03-27 12:30:41
阅读次数：
143
