码迷,mamicode.com
首页 >  
搜索关键字:梯度下降 机器学习    ( 9962个结果
机器学习(2)—— matplotlib
python34 中绘图基本是matplotlib库,基于matplotlib库可以绘制基本的图形。 1、基本绘图 (1)点图(data:http://pan.baidu.com/s/1i3L0UDB) 1 import matplotlib.pyplot as plt 2 import m...
分类:其他好文   时间:2014-11-19 15:40:15    阅读次数:264
This blog
开这个博客主要是监督自己做学习笔记:1.数学上的以及学术上的。2.机器学习,视觉,数据挖掘,NLP。3.算法以及语言。Never ever forget pushing yourself out of your fucking comfort zone!
分类:其他好文   时间:2014-11-17 20:58:28    阅读次数:129
关于人工智能的一些思考~
最近神经网络实在太火了,其本质上来说就是人们模拟人脑的思维结构去有意识地去赋予一台机器在既定的程序下去学习某一问题的规律~如深度学习,他可以从给定的素材中自主地学习得到其特征,并进行一些分类或者预测活动,就如人类通过思考去判断。      这样的人工智能化必将是以后的趋势,其可以代替人类做很多事情。      但是问题来了,我们现在所谓的机器学习算法只能称为小众型,如深度学习,他的成功还在于能...
分类:其他好文   时间:2014-11-17 00:34:12    阅读次数:291
机器学习笔记之基础概念
本文基本按照《统计学习方法》中第一章的顺序来写,目录如下:1. 监督学习与非监督学习2. 统计学习三要素3.过拟合与正则化(L1、L2)4.交叉验证5. 泛化能力6. 生成模型与判别模型7. 机器学习主要问题8. 提问正文:1. 监督学习与非监督学习 从标注数据中学习知识的规律以及训练模型的方法叫....
分类:其他好文   时间:2014-11-16 21:18:33    阅读次数:281
python安装scikit-learn遇到问题汇总
python安装scikit-learn问题解决,scikit-learn一个你值得拥有的python机器学习工具包。...
分类:编程语言   时间:2014-11-15 21:52:52    阅读次数:15757
机器学习预备知识之概率论(上)
机器学习必需的概率论知识...
分类:其他好文   时间:2014-11-15 21:48:55    阅读次数:386
感知机
感知机学习旨在求出将训练数据集进行线性划分的分类超平面,为此,导入了基于误分类的损失函数,然后利用梯度下降法对损失函数进行极小化,从而求出感知机模型。感知机模型是神经网络和支持向量机的基础。下面分别从感知机学习的模型、策略和算法三个方面来介绍。1. 感知机模型 感知机模型如下:f(x)= sig.....
分类:其他好文   时间:2014-11-15 20:14:01    阅读次数:345
统计学习方法概论
1.统计学习 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科,也称统计机器学习。统计学习是数据驱动的学科。统计学习是一门概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科。 统计学习的对象是数据,它从数据出发,提取数据的特征,...
分类:其他好文   时间:2014-11-15 20:13:40    阅读次数:223
安装Python的机器学习包Sklearn 出错解决方法
1 首先需要安装Cython,网上下载后进行本地安装 python setup.py install 2 下载Sklearn包,https://pypi.python.org/pypi/scikit-learn/0.14.1 ,进行本地安装(使用pip或easy_install总是出错,如can not import murmurhash3_32,最终本地安装成功) 3 安装后...
分类:编程语言   时间:2014-11-14 22:49:04    阅读次数:294
使用matlab用优化后的梯度下降法求解达最小值时参数
matlab可以用-Conjugate gradient-BFGS-L-BFGS等优化后的梯度方法来求解优化问题。当feature过多时,最小二乘计算复杂度过高(O(n**3)),此时这一些列优化版梯度下降算法就成为了解优化问题的更优选择。它们的优点为:不需要像对原始梯度下降那样手动选择学习速率α一...
分类:其他好文   时间:2014-11-14 22:45:17    阅读次数:785
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!