一.监督学习和无监督学习 1.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佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数 ...
分类：
其他好文 时间：
2017-07-27 16:37:23
阅读次数：
189
聚类 聚类任务 在无监督学习(密度估计、异常检测等)中，训练样本的标记信息是未知的（即不人为指定），旨在发现数据之间的内在联系和规律，为进一步的数据分析提供基础。 此类学习任务中研究最多、应用最广的是聚类。 聚类将数据集中的样本划分为若干个通常是不相交（有的时候会相交）的子集（簇，也叫类），即将样本 ...
分类：
其他好文 时间：
2017-07-26 17:36:00
阅读次数：
197
黄文坚的tensorflow实战一书中的第四章，讲述了tensorflow实现多层感知机。Hiton早年提出过自编码器的非监督学习算法，书中的代码给出了一个隐藏层的神经网络，本人扩展到了多层，改进了代码。实现多层神经网络时，把每层封装成一个NetLayer对象(本质是单向链表)，然后计算隐藏层输出值 ...
分类：
其他好文 时间：
2017-07-26 10:45:57
阅读次数：
474
1、K-近邻算法原理 1.1 算法特点 简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 适用数据范围：数值型和标称型 1.2 工作原理 存在一个训练样本集，并且每个样本都存在标签（有监督学习）。输入没有 ...
分类：
编程语言 时间：
2017-07-24 20:24:12
阅读次数：
136
监督学习：分类和回归属于监督学习。这类算法必须知道预测什么，即目标变量的分类信息。 常见算法：k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归 无监督学习：数据没有类别信息，不给定目标值。 常见算法：K-均值、最大期望算法、DB ...
分类：
其他好文 时间：
2017-07-24 16:30:08
阅读次数：
116
在监督学习中，我们有一些输入并且知道他们的正确输出，我们想知道这些输入和输出之间的联系。 监督学习分为回归和分类： 1.回归：输出结果为连续的值。 2.分类：输出结果为离散的点。 例子1： 回归：我们有一些数据关于房子大小和对应的价格。通过这些数据得到一个函数预测价格。 分类：判断我们售价是否高于实 ...
分类：
其他好文 时间：
2017-07-22 22:32:50
阅读次数：
91
x(i)：输入的数据。 y(i):输出的数据。 (x(i),y(i))：一个训练实例。 (x(i),y(i)) i=1····m:训练集。 h(x)=y:监督学习中的预测关系。 ...
分类：
其他好文 时间：
2017-07-22 22:27:48
阅读次数：
152
在无监督学习中，我们很少或者根本不知道结果是什么样子。我们可以根据数据中变量之间的关系对数据进行聚类，无监督学习没有基于预测结果的反馈。 例子： 聚类：收集1000000个不同的基因，并找到一种方法，自动将这些基因分成不同的变量组，如寿命、位置、角色等。非聚类：“鸡尾酒会算法”，让你在混乱的环境中找 ...
分类：
其他好文 时间：
2017-07-22 22:25:45
阅读次数：
112
2017-07-22 09:21:37 在机器学习中，支持向量机（SVM，还称支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。给定一组训练样本，每个标记为属于两类，一个SVM训练算法建立了一个模型，分配新的实例为一类或其他类，使其成为非概率二元线性分类 ...
分类：
其他好文 时间：
2017-07-22 10:53:22
阅读次数：
151
2017-07-20 15:18:25 k近邻（k-Nearest Neighbour, 简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单，对某个给定的测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个‘邻居’的信息进行预测。一般来说，在分类中采用‘投票法’， ...
分类：
编程语言 时间：
2017-07-20 19:45:29
阅读次数：
138
