所谓学习问题，是指观察由n个样本组成的集合，并依据这些数据来预測未知数据的性质。 学习任务（一个二分类问题）： 区分一个普通的互联网检索Query是否具有某个垂直领域的意图。如果如今有一个O2O领域的垂直搜索引擎，专门为用户提供团购、优惠券的检索；同一时候存在一个通用的搜索引擎，比方百度，通用搜索引 ...
分类：
编程语言 时间：
2017-06-05 19:24:09
阅读次数：
353
给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该类输入实例分为这个类。 KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属 ...
分类：
编程语言 时间：
2017-06-04 17:05:09
阅读次数：
182
二分类问题Sigmod 在 logistic 回归中，我们的训练集由 个已标记的样本构成： ，其中输入特征。（我们对符号的约定如下：特征向量 的维度为 ，其中 对应截距项 。） 由于 logistic 回归是针对二分类问题的，因此类标记 。假设函数(hypothesis function) 如下： ...
分类：
其他好文 时间：
2017-06-04 15:52:12
阅读次数：
268
本篇文章先介绍了提升放法和AdaBoost算法。已经了解的可以直接跳过。后面给出了AdaBoost算法的两个样例。附有详细计算过程。1、提升方法（来源于统计学习方法） 提升方法是一种经常使用的统计学习方法，应用十分广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行 ...
分类：
编程语言 时间：
2017-06-01 19:35:25
阅读次数：
257
最近接触了机器学习，感觉很梦幻，能实现的我的梦想，看网上说的花天酒地的难，但是想做就要做下去，毅然决然的跳入这个大坑。 让我们慢慢来，先怼它几个概念。 监督学习 我们给出了关于每个数据的“正确答案”。监督学习必须知道预测什么，即目标变量的分类信息。 监督学习中又有常见的两种问题回归问题和分类问题。 ...
分类：
系统相关 时间：
2017-05-21 16:56:21
阅读次数：
225
现实生活中有很多分类问题，比如正常邮件/垃圾邮件，良性肿瘤/恶性肿瘤，识别手写字等等，这些可以用逻辑回归算法来解决。 一、二分类问题 所谓二分类问题，即结果只有两类，Yes or No，这样结果｛0，1｝集合来表示y的取值范围。 前面说到过，线性回归的模型是 h(x)=θ0+θ1x1+θ2x2+.. ...
分类：
系统相关 时间：
2017-05-20 17:15:13
阅读次数：
300
Machine Learning：Neural Network Representation 1。Non-Linear Classification 假设还採取简单的线性分类手段。那么会面临着过拟合以及效率低下的问题(如图所看到的)，然而neural network则能够非常好的解决非线性分类问题。 ...
分类：
Web程序 时间：
2017-05-14 20:29:21
阅读次数：
231
一、状态和模型 在CNN网络中的训练样本的数据为IID数据（独立同分布数据），所解决的问题也是分类问题或者回归问题或者是特征表达问题。但更多的数据是不满足IID的，如语言翻译，自动文本生成。它们是一个序列问题，包括时间序列和空间序列。这时就要用到RNN网络，RNN的结构图如下所示： 序列样本一般分为 ...
分类：
其他好文 时间：
2017-05-12 20:11:06
阅读次数：
2398
MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片：1.MNIST数据集MNIST，是不是听起来特高端大气，不知道这个是什么东西？==手写数字分类问题所要用到的（经典）MNIST数据集==MNIST数据集的官网是YannLeCun‘swebsite自动下载和安装这个数据集的python代码该段代码..
分类：
其他好文 时间：
2017-05-12 13:24:47
阅读次数：
202
预备知识： cover定理： 在复杂的模式分类问题中，将数据映射到高维空间比映射到低维空间更可能线性可分 径向基函数： 空间中的任意点到某一中心之间的欧式距离(也可以是其他的距离函数)的单调函数 径向基神经网络是由一个三层的结构组成，包括输入层，隐含层，输出层，隐含层的激活函数一般是非线性的径向基函 ...
分类：
其他好文 时间：
2017-05-10 16:33:00
阅读次数：
239
