【原创】Liu_LongPo 转载请注明出处
【CSDN】http://blog.csdn.net/llp1992在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 {x(1),x(2),x(3),...x^{(1)},x^{(2)},x^{(3)},...},其中 x(i)∈Rx^{(i)}\in R自编码神经网络是一种无监督学习算法，它使用了反向传...
分类：
编程语言 时间：
2015-05-08 14:53:35
阅读次数：
200
欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.net/xbinworld。
技术交流QQ群：433250724，欢迎对算法、技术、应用感兴趣的同学加入。...
分类：
其他好文 时间：
2015-05-03 22:09:59
阅读次数：
134
K-means算法属于无监督学习聚类算法，其计算步骤还是挺简单的，思想也挺容易理解，而且还可以在思想中体会到EM算法的思想。K-means 算法的优缺点：
1.优点：容易实现
2.缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢
使用数据类型：数值型数据以往的回归算法、朴素贝叶斯、SVM等都是有类别标签y的，因此属于有监督学习，而K-means聚类算法只有x，没有y在聚类问题中，我们的...
分类：
编程语言 时间：
2015-04-17 13:54:08
阅读次数：
162
机器学习的常用方法，主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最...
分类：
其他好文 时间：
2015-04-13 09:19:05
阅读次数：
109
原始的哈希方法和基于p-stable分布的哈希方法都是随机产生的，其效果受随机函数的限制并会产生动荡。本文中描述一种有监督学习的哈希方法，根据不同的数据学习到不同的哈希方法，相对于随机产生的方法具有较大的优势。本文介绍的方法的原始论文在[1]，名为KSH，即Kernel-Based Supervised Hashing。...
分类：
其他好文 时间：
2015-03-30 11:25:36
阅读次数：
311
写作其实是一种梳理思路，加深理解与记忆的过程， 学习其实是一种难以量化和监控的过程，自学尤显突出，对于自学者， 没有老师，没有考试，没有监督，学习和过程很难控制，其实，写作就是一种学习的最佳工具，其实就是将自己的理解写出来加以整理，深入思考的过程，并且可以“持久化“，把人脑想象成电脑，计算机的主.....
分类：
其他好文 时间：
2015-03-02 10:55:47
阅读次数：
122
在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 ，其中 。自编码神经网络是一种无监督学习算法，它使用了反向传播算法，并让目标值等于输入值，比如 。下图是一个自编码神经网络的示例。通过训练，我们使输出 接近于输入 。当我们为自编码神经网络加入某些限制，比如限定...
分类：
编程语言 时间：
2015-01-07 23:22:05
阅读次数：
1196
在本节中，我们介绍Softmax回归模型，该模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的，不过后面也会介绍它与...
分类：
其他好文 时间：
2014-12-18 16:54:12
阅读次数：
290
前面和大家分享的分类算法属于有监督学习的分类算法，今天继续和小伙伴们分享无监督学习分类算法---聚类算法。聚类算法也因此更具有大数据挖掘的味道
聚类算法本质上是基于几何距离远近为标准的算法，最适合数据是球形的问题，首先罗列下常用的距离：
绝对值距离（又称棋盘距离或城市街区距离）
Euclide距离（欧几里德距离，通用距离）
Minkowski 距离（闵可夫斯基距离），欧...
分类：
编程语言 时间：
2014-12-10 18:12:05
阅读次数：
280
支持向量机基本上是最好的有监督学习算法，因其英文名为support vector machine，简称SVM。通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 本文详述SVM的理论基础，并通过Python实现了该算法。...
分类：
编程语言 时间：
2014-12-01 14:20:05
阅读次数：
279
