码迷,mamicode.com
首页 >  
搜索关键字:人工智能 机器学习 资源分享    ( 12648个结果
概念介绍(机器学习)
似然函数:似然函数在形式上就概率密度函数。 似然函数用来估计某个参数。最大似然函数:就是求似然函数的最大值。 最大似然函数用于估计最好的参数。最小二乘法:它通过最小化误差的平方和寻找数据的最佳函数匹配。就是求 y=a1+a2x的系数。通过最小化误差的平方,然后求系数的偏导数,令导数为0,求...
分类:其他好文   时间:2014-07-24 22:50:53    阅读次数:261
集成学习 概念介绍
集成学习(Esemble learning) 在机器学习领域,如何根据观察数据学习一个精确的估计数据是一个主要问题。 通常,我们通过训练数据应用某个算法得出一个训练模型,然后使用评估数据来评估这个模型的预测正确率,最后如果我们可以接受这个正确率就使用该模型进行预测数据。通常我们将训练数据进行交叉.....
分类:其他好文   时间:2014-07-24 17:32:05    阅读次数:234
聚类算法
——转 聚类的目标是使同一类对象的相似度尽可能地小;不同类对象之间的相似度尽可能地大。目前聚类的方法很多,根据基本思想的不同,大致可以将聚类算法分为五大类:层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法和用于高维度的聚类算法。摘自 数据挖掘中的聚类分析研究综述 这篇论文。--....
分类:其他好文   时间:2014-07-23 15:24:26    阅读次数:316
计算机基础之计算机硬件软件数据结构
一切生产工具都是人类器官功能的延伸,智力活动弥补体力劳动的不足:一切交通工具都是腿力的延伸;一切机床都是手力的延伸;望远镜、显微镜、电视 都是眼力的延伸;电话、收音机、通讯卫星都是耳力的延伸;计算机系统便是人类思维器官——大脑的延伸。 第一部分、计算机基础 1.为什么计算机能够进行脑力劳动? 计算机是一种可进行快速运算的可存储设备。存储的程序保证了运算的自动性,从而减轻脑力劳作。 ...
分类:其他好文   时间:2014-07-23 00:02:07    阅读次数:294
人工智能系统
人工智能系统 我做了一个梦,梦中看到人如果想长生不老只要保留其思想和智慧,并不要保留其肉体, 或者是因为看了《怒火攻心2:高压电》才做的梦,其实留下一个大脑存在就算是永生吗? 见到仇人一定会生气,仅此而已,那么永生又有什么意义? 不过这不是梦的全部。在梦中我看到为了实现对农业自动喷淋系统,需要在水管入口安装一个总阀, 然后分出3个分支,每个分支再安装一个阀门,每个分支再接...
分类:其他好文   时间:2014-07-23 00:00:17    阅读次数:239
Python KNN算法
机器学习新手,接触的是《机器学习实战》这本书,感觉书中描述简单易懂,但对于python语言不熟悉的我,也有很大的空间。今天学习的是k-近邻算法。 1. 简述机器学习 在日常生活中,人们很难直接从原始数据本身获得所需信息。而机器学习就是把生活中无序的数据转换成有用的信息。例如,对于垃圾邮件的检...
分类:编程语言   时间:2014-07-22 23:37:57    阅读次数:366
梯度下降法解神经网络
本文是Andrew Ng在Coursera的机器学习课程的笔记。整体步骤确定网络模型初始化权重参数对于每个样例,执行以下步骤直到收敛计算模型输出:forward propagation计算代价函数:比较模型输出与真实输出的差距更新权重参数:back propagation确定网络模型神经网络模型由输...
分类:其他好文   时间:2014-07-22 23:36:27    阅读次数:376
判别式模型和生成式模型的区别(discriminative model and generative model)
原文出处:http://blog.csdn.net/amblue/article/details/17023485 在NLP和机器学习中经常会遇到这两种显著不同的模型,在学习阶段(训练阶段)和评估阶段(测试阶段)都有不同的表现总结一下它们之间的区别,欢迎补充:1. 二者最本质的区别是建模对象不同 假...
分类:其他好文   时间:2014-07-22 22:43:13    阅读次数:150
机器学习(一):梯度下降、神经网络、BP神经网络
梯度下降、神经网络、BP神经网络,以及结合前述知识实际应用。文章走马观花把这几天学的知识滤了一遍,主要是有很多好的资料
分类:其他好文   时间:2014-07-22 22:40:35    阅读次数:273
斯坦福ML公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
斯坦福ML公开课笔记15 我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法,通过求解特征值与特征向量,并选取特征值较大的一些特征向量来达到降维的效果。 本文继续PCA的话题,包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解),在SVD和LSI结束之后,关于PCA的内容就告一段落。视频的后半段开始讲无监督学习的一种——ICA(Indepen...
分类:其他好文   时间:2014-07-22 14:16:14    阅读次数:314
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!