11 K Means 原理及案例 非监督学习 1. unsupervised learning （非监督学习） ，只有特征值，没有目标值 2. 聚类： 主要方法 k means （K 需要分成的类别数） K Means步骤 1. 随机设置K个特征空间内的点作为初始的聚类中心 （红，绿，蓝） k=3 ...
分类：
其他好文 时间：
2019-12-04 01:42:52
阅读次数：
237
目录 简述 K-means聚类 密度聚类 层次聚类 一、简述 聚类算法是常见的无监督学习（无监督学习是在样本的标签未知的情况下，根据样本的内在规律对样本进行分类）。 在监督学习中我们常根据模型的误差来衡量模型的好坏，通过优化损失函数来改善模型。而在聚类算法中是怎么来度量模型的好坏呢？聚类算法模型的性 ...
分类：
编程语言 时间：
2019-12-02 14:04:05
阅读次数：
101
监督学习 利用标注好信息的样本，经过训练得到一个模型，可以用来预测新的样本 分类 当新来一个数据时，可以自动预测所属类型 应用 对于一幅遥感影像，对其中的部分水体，农田，建筑做好标记通过监督分类的方法得到其余水体、农田、建筑 分类相关的方法 支持向量机：寻找最大化样本间隔的边界 分类决策树 颜色 形 ...
分类：
其他好文 时间：
2019-12-02 13:30:28
阅读次数：
186
大纲： 算法分类有监督学习与无监督学习分类问题与回归问题生成模型与判别模型强化学习评价指标准确率与回归误差ROC曲线交叉验证模型选择过拟合与欠拟合偏差与方差正则化 半监督学习归类到有监督学习中去。 有监督学习大部分问题都是分类问题，有监督中的分类问题分为生成式模型和判别模型。 分类问题常用的评价指标 ...
分类：
其他好文 时间：
2019-11-30 18:55:39
阅读次数：
98
[toc] 作者对residual network进行了改进：加入了gating network，基于上一层的激活值，得到一个二进制的决策0或1，从而继续推断或跳过下一个block。作者还提出了对应的训练方法，集成有监督学习和强化学习，从而克服了skipping不可差分的问题。 1. 概括 难点：s ...
分类：
Web程序 时间：
2019-11-25 23:25:51
阅读次数：
100
结巴分词：jieba.cut() 决策树 集成学习 无监督学习 tf-idf文本特征提取 tf 词频 idf 逆向文档频率 tf-idf 思想：一篇文章中出现多次，其他文章很少出现 TF-IDF作用：用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。 词频（term frequen ...
分类：
编程语言 时间：
2019-11-18 15:38:18
阅读次数：
73
讲授LDA基本思想，寻找最佳投影矩阵，PCA与LDA的比较，LDA的实际应用 前边讲的数据降维算法PCA、流行学习都是无监督学习，计算过程中没有利用样本的标签值。对于分类问题，我们要达到的目标是提取或计算出来的特征对不同的类有很好的区分度，由于没有用样本的标签值，会导致一个问题，不同的两类样本，如A ...
分类：
其他好文 时间：
2019-11-16 19:45:55
阅读次数：
89
KNN（K-Nearest Neighbor） K 近邻算法，K近邻就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法用于监督学习分类模型，预测结果是离散的机器学习算法。 KNN算法原理： 1、计算每个测试数据与每个训练数据的距离（相识度）； 2、按照距离升序，对训 ...
分类：
编程语言 时间：
2019-11-16 00:21:48
阅读次数：
77
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
第三阶段 无监督学习与序列模型 【核心知识点】 - K-means、GMM以及EM - 层次聚类，DCSCAN，Spectral聚类算法 - 隐变量与隐变量模型、Partition函数 - 条件独立、D-Separation、Markov性质 - HMM以及基于Viterbi的Decoding - ...
分类：
其他好文 时间：
2019-11-12 15:57:17
阅读次数：
174
