python机器学习笔记：EM算法
，是很多机器学习领域的基础，比如隐式马尔科夫算法（HMM），LDA主题模型的变分推断算法等等。本文对于EM算 ...
原文：《Python 机器学习》笔记（二）
机器学习分类算法 本章将介绍最早以算法方式描述的分类机器学习算法：感知器 perceptron 和自适应线性神经元。 人造神经元 早期机器学习概览 MP神经元 生物神经元和MP神经元模型的对应关系如下表： 这个结构非常简单，如果你还记得前面所讲的M P神经元的结构的话，这个图其实就是输入输出两层神经元之间的简单连接 单层感知器的局限性 虽然单层感知器简单而优雅，但它显然不够聪明 它仅对线性问题具有 ...
2018-01-22 13:31 0 1865 推荐指数：
相关推荐
Python机器学习笔记：XgBoost算法
前言 1，Xgboost简介 Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器。因为Xgboost是一种提升树模型，所以它 ...
Python机器学习笔记：Logistic Regression
Logistic回归公式推导和代码实现 1，引言 logistic回归是机器学习中最常用最经典的分类方法之一，有人称之为逻辑回归或者逻辑斯蒂回归。虽然他称为回归模型，但是却处理的是分类问题，这主要是因为它的本质是一个线性模型加上一个映射函数Sigmoid，将线性模型得到的连续结果映射到离散 ...
机器学习笔记（一）
一、监督学习（supervised-learning）与无监督学习（unsupervised-learning） 1.监督学习中数据集是由特征组和标签组成，目的是训练机器对标签取值的准确预测。如：房价预测、肿瘤判定、垃圾邮件判定。 2.无监督学习中人工不对数据集作 ...
python 机器学习
<一>：特征工程：将原始数据转化为算法数据 一：特征值抽取 1：对字典数据 :from sklearn.feature_extraction import DictVectorizer ...
Python机器学习笔记：集成学习总结
集成学习（Ensemble learning）是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合，从而获得比单个学习器显著优越的泛化性能。它不是一种单独的机器学习算法啊，而更像是一种优化策略。因为单个机器学习模型所能解决的问题有限，泛化能力差，但是通过构建组合多个学习器来完成 ...
Python机器学习笔记：sklearn库的学习
sklearn，这可能是机器学习的神器），下面先简单介绍一下sklearn。 自2007年发布以来，sc ...
Python机器学习笔记：不得不了解的机器学习知识点（2）
之前一篇笔记： Python机器学习笔记：不得不了解的机器学习知识点（1） 1，什么样的资料集不适合用深度学习？ 数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。 数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像 ...