Machine Learning：Neural Network---Representation
Non-Linear Classification
如果还采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(如图所示)，然而neural network则可以很好的解决非线性分类问题。
Model representation
第一层称为input la...
分类：
Web程序 时间：
2014-11-18 00:30:10
阅读次数：
290
大多数分类器都是01分类器，如logistic regression。当我们要将数据分为多类的时候，可以用一种叫one-vs-all的方法将01分类器用于多类分类（mult-class classification）原理很简单，训练与类数（k）相同个数的分类器，每个分类器只判断每个item是否属于某...
分类：
其他好文 时间：
2014-11-13 10:47:29
阅读次数：
193
1. Classification 这篇文章我们来讨论分类问题（classification problems），也就是说你想预测的变量 y 是一个离散的值。我们会使用逻辑回归算法来解决分类问题。 之前的文章中，我们讨论的垃圾邮件分类实际上就是一个分类问题。类似的例子还有很多，例如一个在线交易网站判...
分类：
其他好文 时间：
2014-11-02 23:44:56
阅读次数：
474
机器学习算法 原理、实践与实战 —— 分类、标注与回归1. 分类问题分类问题是监督学习的一个核心问题。在监督学习中，当输出变量$Y$取有限个离散值时，预测问题便成为分类问题。监督学习从数据中学习一个分类决策函数或分类模型，称为分类器（classifier）。分类器对新的输入进行输出的预测，这个过程称...
分类：
其他好文 时间：
2014-10-31 13:36:09
阅读次数：
1179
一、线性分类器：首先给出一个非常非常简单的分类问题（线性可分），我们要用一条直线，将下图中黑色的点和白色的点分开，很显然，图上的这条直线就是我们要求的直线之一（可以有无数条这样的直线） 假如说，我们令黑色的点 = -1， 白色的点 = +1，直线f(x) = w.x + b，这儿的x、w是向量，其实...
分类：
其他好文 时间：
2014-10-24 18:26:50
阅读次数：
265
1.1、摘要 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。1.2、分类问题综述 ...
分类：
编程语言 时间：
2014-10-21 10:17:44
阅读次数：
604
这是分类算法。之前的回归问题尝试预测的变量y是连续变量，在这个分类算法中，变量y是离散的，y只取{0,1}两个值。一般这种离散二值分类问题用线性回归效果不好。比如x3，y=1，那么当x>3的样本占得比例很大是，线性回归的直线斜率就会越来越小，y=0.5时对应的x判决点就会比3大，造成预测错误。若y取...
分类：
其他好文 时间：
2014-10-19 18:21:19
阅读次数：
179
例子：分类：play or not ？（是/否） 目的：根据训练样本集S构建出一个决策树，然后未知分类样本通过决策树就得出分类。问题：怎么构建决策树，从哪个节点开始（选择划分属性的问题）方法：ID3(信息增益)，C4.5(信息增益率)，它们都是用来衡量给定属性区分训练样例的能力。1. 为了理解信息....
分类：
编程语言 时间：
2014-10-11 16:33:06
阅读次数：
256
贝叶斯公式描述的是一组条件概率之间相互转化的关系。
在机器学习中，贝叶斯公式可以应用在分类问题上。这篇文章是基于自己的学习所整理，并利用一个垃圾邮件分类的例子来加深对于理论的理解。
这里我们来解释一下朴素这个词的含义：
1）各个特征是相互独立的，各个特征出现与其出现的顺序无关；
2）各个特征地位同等重要；
以上都是比较强的假设
下面是朴素贝叶斯分类的流程：...
分类：
其他好文 时间：
2014-10-09 21:39:17
阅读次数：
205
