感知机 一、感知机模型 定义（感知机） ：假设输入空间（特征空间）是 $\chi \subseteq\R^n$ ,输出空间是 $Y=\{+1, 1\}$ .输入$x\in\chi$ 表示实例的特征向量，对应于输入空间（特征空间）的点；输出$y\in Y$表示实例的类别，由输入空间到输出空间的的如下函 ...
分类：
其他好文 时间：
2019-11-25 23:18:21
阅读次数：
88
当 $A$ 有足够的特征向量的时候，我们有 $S^{ 1}AS=\Lambda$。在这部分，$S$ 仍然是最好的选择，但现在我们允许任意可逆矩阵 $M$，矩阵 $A$ 和 $M^{ 1}AM$ 称为 相似矩阵 ，并且不管选择哪个 $M$，特征值都保持不变。 1. 相似矩阵 假设 $M$ 是任意的可逆 ...
分类：
其他好文 时间：
2019-11-24 11:29:33
阅读次数：
48
恢复内容开始 据新闻报道数学天才陶哲轩和3个物理学家研究出一个只用特征值就可以计算矩阵特征向量的公式, 我感觉很有趣, 这应该能够应用在很多领域中, 所以仔细研究了一波。研究公式耗费了我大半天, 我把所有的equation都推导了一遍, 也给出了一些我的看法, 现在把它们总结出来, 方便后人参考. ...
分类：
Web程序 时间：
2019-11-16 23:26:24
阅读次数：
177
线性可分支持向量机与软间隔最大化 SVM 给定线性可分的数据集 假设输入空间(特征向量)为 ，输出空间为 。 输入 表示实例的特征向量，对应于输入空间的点； 输出 表示示例的类别。 我们说可以通过 间隔最大化 或者等价的求出相应的 凸二次规划问题 得到的 分离超平面 以及决策函数： 但是，上述的解决 ...
分类：
其他好文 时间：
2019-11-15 14:30:36
阅读次数：
83
感知机（perceptron）及其python代码实现 概述 在机器学习中， 感知机（perceptron） 是二分类的线性分类模型，属于监督学习算法。输入为实例的特征向量，输出为实例的类别（取+1和 1）。 感知机对应于输入空间中将实例划分为两类的分离 超平面 。感知机旨在求出该超平面，为求得超平 ...
分类：
编程语言 时间：
2019-11-13 10:38:52
阅读次数：
361
特征抽取sklearn.feature_extraction 模块提供了从原始数据如文本，图像等众抽取能够被机器学习算法直接处理的特征向量。 1.特征抽取方法之 Loading Features from Dicts 2.特征抽取方法之 Features hashing 3.特征抽取方法之 Text ...
分类：
其他好文 时间：
2019-10-31 18:56:16
阅读次数：
178
目的 求一个实对称矩阵的所有特征值和特征向量。 前置知识 对于一个实对称矩阵$A$，必存在对角阵$D$和正交阵$U$满足$$D=U^TAU$$$D$的对角线元素为$A$的特征值，$U$的列向量为$A$的特征向量。 定义$n$阶旋转矩阵$$G(p,q,\theta)= \begin{bmatrix} ...
分类：
编程语言 时间：
2019-10-27 22:38:50
阅读次数：
1831
二分类、多分类与多标签的基本概念 二分类：表示分类任务中有两个类别，比如我们想识别一幅图片是不是猫。也就是说，训练一个分类器，输入一幅图片，用特征向量x表示，输出是不是猫，用y=0或1表示。二类分类是假设每个样本都被设置了一个且仅有一个标签 0 或者 1。 多类分类(Multiclass class ...
分类：
其他好文 时间：
2019-10-27 20:42:37
阅读次数：
694
1. 前情提要： 向量是空间中的点 矩阵就是空间的映射，比如 y = Ax （x,y均未向量），是将 x 向量在 A 矩阵的作用下映射成 y 向量 左乘矩阵 A 可理解成改变了默认基地 基底改变-->理解空间扭曲（动图出处：公众号--meetmath） 2. 正文 ...
分类：
其他好文 时间：
2019-10-15 11:34:59
阅读次数：
91
感知机(Perceptron)是一种二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1值。感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型，感知机学习旨在求出将训练数据进行线性划分的分离超平面，基于五分类的损失函数，利用梯度下降法对损失函数进行极小化，求得... ...
分类：
其他好文 时间：
2019-10-09 14:05:35
阅读次数：
137
