概述 在机器学习领域，主要有三类不同的学习方法： 监督学习(Supervised learning) 非监督学习(Unsupervised learning) 半监督学习(Semi-supervised learning) 定义 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函 ...
分类：
其他好文 时间：
2017-05-04 01:34:05
阅读次数：
155
与一般的机器学习不同的是，通过添加更多层以及向层内添加更多单元，深度网络可以表示复杂性不断增加的函数。给定足够大的模型（层数设计）和足够大的标注训练数据集，我们可以通过深度学习将输入向量映射到输出向量，完成大多数对人来说能够迅速处理的任务。 这一部分是描述参数化函数近似技术的核心，几乎所有现代实际应 ...
分类：
其他好文 时间：
2017-05-02 10:03:24
阅读次数：
308
ISODATA迭代自组织数据分析算法。 上一篇K-mean算法实质上应属于监督学习的算法，而这次的ISODATA算法则属于非监督学习，在不确定聚类中心数目的情况下，只根据提前设置好的参数对样本点进行分类，可以结合人机交互的结构，在K-mean算法的基础上增加了合并核和分裂两个操作，相对来说更为灵活。 ...
分类：
其他好文 时间：
2017-04-30 01:00:47
阅读次数：
263
术语监督学习，意指给出一个算法，需要部分数据集已经有正确的答案。 “ 分类和回归的区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。 ” 回归是监督学习的一部分，通常是用来预测一个连续值的输出，比如房价的预测，是一个标量值，是一个连续值的数。 ...
分类：
其他好文 时间：
2017-04-29 01:16:30
阅读次数：
190
前面，我们提到了监督学习，在机器学习中，与之对应的是非监督学习。无监督学习的问题是，在未加标签的数据中，试图找到隐藏的结构。因为提供给学习者的实例是未标记的，因此没有错误或报酬信号来评估潜在的解决方案。这区别于监督学习和强化学习无监督学习。 无监督学习是密切相关的统计数据密度估计的问题。然而无监督学 ...
分类：
系统相关 时间：
2017-04-28 22:18:25
阅读次数：
299
1. C4.5算法简介 C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行 ...
分类：
编程语言 时间：
2017-04-25 16:53:20
阅读次数：
189
在机器学习(Machine learning)领域。主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised learning)、 半监督学习(Semi-supervised learning)， 监督学习：通过已有的一部分输入数据与输出 ...
分类：
其他好文 时间：
2017-04-22 20:43:33
阅读次数：
305
反向传播算法（英：Backpropagation algorithm，简称：BP算法）是一种监督学习算法，常被用来训练多层感知机。 于1974年，Paul Werbos[1]首次给出了如何训练一般网络的学习算法，而人工神经网络只是其中的特例。不巧的，在当时整个人工神经网络社群中却无人知晓Paul所提 ...
分类：
编程语言 时间：
2017-04-22 00:07:41
阅读次数：
269
有标签的数据固然好，可是一方面打标签的代价太高，另一方面大部分数据是无标签的。这样就涉及到无监督、半监督、Self-taught学习的问题。本文将介绍两种适用于无标签数据的学习方法，可以找到数据中的隐...
分类：
Web程序 时间：
2017-04-20 10:59:55
阅读次数：
1799
