码迷,mamicode.com
首页 >  
搜索关键字:有监督    ( 284个结果
线性回归
机器学习初步 有监督和无监督区别, 一个有标签一个无标签 机器学习的目的, 寻找一个模式 与环境进行交互, 有一个反馈 有监督分为两类问题 主要任务是分类和回归 降维也是无监督的学习 每一行是一个样本, 每一列是一个特征(属性维度) 线性回归 多变量情形 损失函数 平方损失函数 指数损失函数 交叉熵 ...
分类:其他好文   时间:2020-01-02 20:59:01    阅读次数:86
机器学习——XGboost算法
XGboost算法 XGBoost是GBDT算法的一种改进,是一种常用的有监督集成学习算法;是一种伸缩性强、便捷的可并行构建模型的GradientBoosting算法。 原理是:在GBDT目标函数的基础上加入惩罚项,如下图绿框。通过限制树模型的叶子节点的个数和叶子节点的值来降低模型复杂度,从而防止过 ...
分类:编程语言   时间:2020-01-01 17:17:34    阅读次数:105
各种分箱算法
有监督:chi2、BestK、cart、最优woe/iv 无监督:等频、等距、聚类 https://www.jb51.net/article/174833.htm https://www.jb51.net/article/174816.htm https://www.jb51.net/article ...
分类:编程语言   时间:2019-12-31 23:40:03    阅读次数:161
机器学习(2)之回归算法
@ "TOC" 什么是回归算法 有监督算法 解释变量(x)与观测值(因变量y)之间的关系 最终结果是一个连续的数据值,输入值(属性值)是一个d维度的属性/数值向量 线性回归 最终要求是计算出 θ 的值,并选择最优的 θ值构成算法公式 可以写为 其中ε^(i)^是误差,独立同分布的,服从均值为0,方差 ...
分类:编程语言   时间:2019-12-31 12:25:18    阅读次数:110
R-CNN系列目标检测博文汇总
R-CNN 【深度学习】R-CNN 论文解读及个人理解 【目标检测】RCNN算法详解 R-CNN论文翻译解读 总之,R-CNN取得成功的两个关键因素:1:在候选区域上自下而上使用大型卷积神经网络(CNNs),用以定位和分割物体。2:当带标签的训练数据不足时,先针对辅助任务进行有监督预训练,再进行特定 ...
分类:其他好文   时间:2019-12-29 23:32:37    阅读次数:77
机器学习-正则化+回归与分类辨析
机器学习 正则化+回归与分类辨析 这篇文章是对 "自己早期一篇讲正则化和回归的" 补充。当时写作那篇文章的时候自己还刚刚入门机器学习,许多知识是理解了,但是缺少从一定的高度上的总结。结合这篇来看原来的那篇,不容易乱。 首先要明确,正则化不是回归的专利,回归和分类都是可以使用的。在回归中使用正则化就是 ...
分类:其他好文   时间:2019-12-26 22:51:58    阅读次数:161
机器学习知识点总结(2)
二、基本概念 1 有监督学习与无监督学习 根据样本数据是否带有标签值,可以将机器学习算法分成有监督学习和无监督学习两类。有监督学习的样本数据带有标签值,它从训练样本中学习得到一个模型,然后用这个模型对新的样本进行预测推断。有监督学习的典型代表是分类问题和回归问题。 无监督学习对没有标签的样本进行分析 ...
分类:其他好文   时间:2019-12-23 16:41:39    阅读次数:140
监督学习与非监督学习
1、监督学习 是有特征和标签的,即便是没有标签的,机器也是可以通过特征和标签之间的关系,判断出标签。监督学习是通过训练让机器自己找到特征和标签之间的联系,在以后面对只有特征而没有标签的数据时可以自己判别出标签。相当于给定数据,预测标签。常见的有监督学习算法:回归分析和统计分类。 2、非监督学习 由于 ...
分类:其他好文   时间:2019-12-14 21:20:59    阅读次数:144
SIGAI机器学习第四集 基本概念
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
Paper | SkipNet: Learning Dynamic Routing in Convolutional Networks
[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
284条   上一页 1 ... 3 4 5 6 7 ... 29 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!