MNIST数据集 MNIST数据集：包含7万张黑底白字手写数字图片，其中55000张为训练集， 5000张为验证集，10000张为测试集。每张图片大小为28*28像素，图片中纯黑色像素值为0，纯白色像素值为1。数据集的标签是长度为10的一维数组，数组中每个元素索引号表示对应数字出现的概率。 在将mn ...
分类：
其他好文 时间：
2018-07-25 01:05:57
阅读次数：
299
本次课有两部分，KNN的模型分析以及回归分析 KNN模型分析 1.K值选取 选择K的时候要特别注意K的大小，适中才最好 要求太高会导致过拟合，低bias（偏差），太低则无法拟合，高bias。 2.训练与测试 收集的数据集，先分成测试集与训练集，一般训练集略大于测试集。 训练集用来训练模型（fit t ...
分类：
其他好文 时间：
2018-07-22 19:21:15
阅读次数：
191
第8章 用scikit-learn库实现机器学习 205 8.1 scikit-learn库 205 8.2 机器学习 205 8.2.1 有监督和无监督学习 205 8.2.2 训练集和测试集 206 8.3 用scikit-learn实现有监督学习 206 8.4 Iris数据集 206 主成分 ...
分类：
编程语言 时间：
2018-07-22 15:08:42
阅读次数：
330
机器学习分为三个阶段： 第一阶段：学习模型。采用学习算法，通过对训练集进行归纳学习得到分类模型； 第二阶段：测试模型。将已经学习得到的分类模型用于测试集，对测试集中未知类别的实例进行分类。 第三阶段：性能评估。显然，通过测试集产生的分类未必是最佳的，这就导致对测试集的分类可能产生错误。而人们希望尽量 ...
分类：
编程语言 时间：
2018-07-19 17:29:57
阅读次数：
391
Kaggle技巧总结Introduction首先简单介绍一些关于Kaggle比赛的知识：?不同比赛有不同的任务，分类、回归、推荐、排序等。比赛开始后训练集和测试集就会开放下载。?比赛通常持续2~3个月，每个队伍每天可以提交的次数有限，通常为5次。?比赛结束前一周是一个Deadline，在这之后不能再组队，也不能再新加入比赛。所以想要参加比赛请务必在这一Deadline之前有过至少一次有效的提交。?
分类：
其他好文 时间：
2018-07-18 10:50:45
阅读次数：
508
数据集 样本 特征 特征取值 维数 训练数据 训练样本 泛化：学得的模型适用于新样本的能力 归纳与演绎：前者是从特殊到一般的泛化过程，即从具体的事实归结出一般性的规律后者是从一般到特殊的“特化”过程，即从基础原理推演出具体情况。 假设空间 版本空间：可能有多个假设集合与训练集一致，即存在一个与假设即 ...
分类：
其他好文 时间：
2018-07-16 15:04:49
阅读次数：
152
使用numpy切分训练集和测试集 觉得有用的话,欢迎一起讨论相互学习~ "Follow Me" 序言 在机器学习的任务中，时常需要将一个完整的数据集切分为训练集和测试集。此处我们使用numpy完成这个任务。 iris数据集中有150条数据，我们将120条数据整合为训练集，将30条数据整合为测试集。 ...
分类：
其他好文 时间：
2018-07-15 16:18:40
阅读次数：
340
模型表达（model regression） 1. 用于描述回归问题的标记 m 训练集（training set）中实例的数量 x 特征/输入变量 y 目标变量/输出变量 (x,y) 训练集中的实例 (x(i),y(i)) 第i个观察实例 h 机器学习算法中的解决方案和函数，即假设（hypothes ...
分类：
其他好文 时间：
2018-07-13 22:48:58
阅读次数：
225
代码： 结果： 总结：在仅考虑单一近邻时，训练集上的预测结果十分完美（接近100%）。但随着邻居个数的增多，模型变得更简单（泛化能力越好），训练集精度也随之下降。为求得较好的预测精度和泛化能力，最佳性能在neighbors为6左右！ ...
分类：
编程语言 时间：
2018-07-12 13:08:06
阅读次数：
104
在机器学习中，我们将模型在训练集上的误差称之为训练误差，又称之为经验误差，在新的数据集（比如测试集）上的误差称之为泛化误差，泛化误差也可以说是在模型在总体样本上的误差。对于一个好的模型应该是经验误差约等于泛化误差，也就是经验误差要收敛于泛化误差，根据霍夫丁不等式可知经验误差在一定条件下是可以收敛于泛 ...
分类：
其他好文 时间：
2018-07-08 21:16:06
阅读次数：
197
