https://www.cnblogs.com/wentingtu/archive/2012/03/03/2377971.html 探索性因子分析 探索性因子分析（Exploratory Factor Analysis，EFA）是一项用来找出多元观测变量的本质结构、并进行处理降维的技术。 因而EFA ...
分类：
其他好文 时间：
2019-11-30 11:49:30
阅读次数：
96
系列博客，原文在笔者所维护的github上：https://aka.ms/beginnerAI， 点击star加星不要吝啬，星越多笔者越努力。 2.2 非线性反向传播 2.2.1 提出问题 在上面的线性例子中，我们可以发现，误差一次性地传递给了初始值w和b，即，只经过一步，直接修改w和b的值，就能做 ...
分类：
其他好文 时间：
2019-11-26 13:20:00
阅读次数：
67
单变量线性回归(Linear Regression with One Variable) 什么是线性回归？线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法(取自 百度百科)。 例如：现在有一堆散乱的点，想找出一个一元一次方程来让这些点的分布误差最小(就 ...
分类：
系统相关 时间：
2019-11-25 15:34:48
阅读次数：
93
背景 对象在菊厂加班很辛苦，就想着要不把加班情况记录下来，过一段时间做个数据可视化看看。我这边都是通过他下班给我打电话或者发微信来记录时间的，所以数据肯定还是有误差的，而且有几次加班到凌晨，他自己都忘了打卡还是根据给我发微信的时间补卡的哈哈（论及时汇报的重要性）。 技术概览 1. pyqt5 2. ...
分类：
其他好文 时间：
2019-11-25 09:57:09
阅读次数：
105
最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。 考虑超定方程组（ ...
分类：
其他好文 时间：
2019-11-24 21:05:28
阅读次数：
64
神经网络的层数决定了模型的容量 网络层数加深，容易陷入局部最优解，梯度消失问题严重 ResNet 解决或缓解深层的神经网络训练中的梯度消失问题 层数更深的网络反而具有更大的训练误差，很大程度归结于梯度消失问题 误差传播涉及非常多的参数和导数的连乘，很容易导致梯度消失或者膨胀 ResNet 既然离输入 ...
分类：
其他好文 时间：
2019-11-24 17:52:11
阅读次数：
62
k NN是一种基本分类回归方法。k近邻法输出为实例类别，可以取多类 k NN假定给定一个训练集，其中的实例类别已定。分类时，对于新实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式预测。因此，k NN不具有显式的学习过程 $k$的选择、距离度量及分类决策规则(如多数表决)是k NN的三个基本 ...
分类：
其他好文 时间：
2019-11-24 15:59:39
阅读次数：
53
基本思想：通过迭代寻找K个簇的一种划分方法，使得聚类结果对应的代价函数最小。特别地，代价函数可以定义为各个样本距离所属聚类中心的误差平方和 $$J(c, \mu) = \sum \limits_{i=1}{M}||x_i \mu_{c_i}||^2?$$ 具体步骤 数据预处理，如归一化、离群点处理等 ...
分类：
其他好文 时间：
2019-11-24 15:51:17
阅读次数：
70
这里只讨论没有外部标签的情况，有标签自然好判别 数据簇的特点 以中心定义的数据簇：通常球形分布，集合中的数据到中心的距离相比到其他簇中心的距离更近 以密度定义的数据簇：当数据簇不规则或互相盘绕，并且有噪声和离群点时，常常使用 以连通定义的数据簇：具有连通关系 以概念定义的数据簇：同一集合内数据具有某 ...
分类：
编程语言 时间：
2019-11-24 15:44:50
阅读次数：
91
基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对于给定的输入，利用贝叶斯定理求出后验概率最大的输出$y$。 朴素贝叶斯法通过训练数据集学习联合概率分布$P(X,Y)$。具体地，学习以下先验概率分布及条件概率分布。先 ...
分类：
其他好文 时间：
2019-11-24 15:20:43
阅读次数：
67
