1 简介 线性可分问题的支持向量机学习方法，对线性不可分训练数据是不适用的，因为这时上述方法中的不等式约束并不能都成立。 怎么才能将它扩展到线性不可分问题呢?这就需要修改硬间隔最大化，使其成为软间隔最大化。 2 模型 2.1 相关条件 2.2 模型 3 学习策略 4 算法 对偶形式 5 概念扩展 5 ...
分类：
其他好文 时间：
2020-04-29 14:58:07
阅读次数：
56
1 简介 1.1 介绍 1.2 生成步骤 CART树算法由以下两步组成:(1)决策树生成:基于训练数据集生成决策树，生成的决策树要尽量大;(2)决策树剪枝:用验证数据集对己生成的树进行剪枝并选择最优子树，这时用损失函数址小作为剪枝的标准。 2 算法 2.1 回归树 对回归树用平方误差最小化准则，生成 ...
分类：
编程语言 时间：
2020-04-28 14:36:46
阅读次数：
113
1 简介 决策树模型是树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策 ...
分类：
其他好文 时间：
2020-04-28 13:04:22
阅读次数：
158
1 简介 k近邻法的输入为实例的特征向量，对应于特征空间的点;输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，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进行预测。因此，k近邻法不具有显式的学习过程。k近邻法实际上利用训练数据集对一特征向 ...
分类：
编程语言 时间：
2020-04-27 11:22:04
阅读次数：
137
1.机器学习的主要分类 （1）监督学习（Supervised learning） ? 训练数据有目标向量（标签） ? 分类、回归 … （2）非监督学习（Unsupervised learning） ? 训练数据没有目标向量（标签） ? 聚类、密度估计、可视化 … （3）强化学习（Reinforcem ...
分类：
其他好文 时间：
2020-04-26 11:07:02
阅读次数：
59
1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性 （1）有监督：训练数据集必须是有标记，然后通过给定的训练数据和特定的算法去构造一个模型。 无监督：训练数据集没有标记，去寻找训练数据中隐藏的模式或者是对数据进行分组。 （2）线性回归原理： 线性回归在假设特证满足线性关系， ...
分类：
编程语言 时间：
2020-04-22 13:14:16
阅读次数：
64
1.什么是K近邻算法 最直观的解释就是：给定一个训练数据集，对于新的输入实例，在训练集中找到与该实例最近邻的 k 个实例，这 k 个实例的多数属于哪个类，则该实例就属于哪个类。 2.K近邻算法的优缺点 优点：精度高，对异常值不敏感 缺点：计算复杂度高，空间复杂度高 3.K近邻算法关键点分析 由K近邻 ...
分类：
编程语言 时间：
2020-04-20 15:44:24
阅读次数：
63
什么是机器学习？ 定义是从数据中寻找关系f(x)，在新数据中根据f(x)做出预测。我认为机器学习根基就是大数定律，在一部分数据寻找得规律可以一定程度反映出全局数据得特性。 那怎样去寻找这种关系呢？ 机器学习的分类 一、有监督学习 有监督学习就是训练数据对应的有label，在训练过程中根据label来 ...
分类：
其他好文 时间：
2020-04-19 14:33:46
阅读次数：
65
1. sklearn数据集 1.1 数据集划分 机器学习一般的数据集会划分为两个部分：训练数据：用于训练，构建模型测试数据：在模型检验时使用，用于评估模型是否有效 sklearn数据集划分API：sklearn.model_selection.train_test_split 1.2 sklearn ...
分类：
其他好文 时间：
2020-04-19 10:58:32
阅读次数：
67
通过影响函数来理解黑盒预测 论文阅读报告 组员：曾文丽、倪元元、杨顼 时间：2020/4/15 1.背景 机器学习系统需要对自己所做的行为进行解释，然而在许多领域中表现最好的模型却是黑盒模型，它的重点在于了解固定模型如何导致特定预测，本文中主要是通过学习算法返回训练数据，最终得到模型参数，而在这儿需 ...
分类：
其他好文 时间：
2020-04-15 13:43:25
阅读次数：
98
