菜鸟之路——机器学习之SVM分类器学习理解以及Python实现
SVM分类器里面的东西好多呀，碾压前两个。怪不得称之为深度学习出现之前表现最好的算法。 今天学到的也应该只是冰山一角，懂了SVM的一些原理。还得继续深入学习理解呢。 一些关键词： 超平面（hyper plane）SVM的目标就是找到一个超平面把两类数据分开。使边际 ...
原文：菜鸟之路——机器学习之HierarchicalClustering层次分析及个人理解
这个算法。我个人感觉有点鸡肋。最终的表达也不是特别清楚。 原理很简单，从所有的样本中选取Euclidean distance最近的两个样本，归为一类，取其平均值组成一个新样本，总样本数少 不断的重复，最终样本数为 。这样的话就形成了一个树，每个节点要不有两个子节点，要不没有子节点。 这个算法也大概能分出来类，但是实用性我觉得不是很强。 源代码 为了节约时间，我只写了算法部分，实际应用的没写。 这个 ...
2018-09-05 18:03 0 863 推荐指数：
相关推荐
菜鸟之路——机器学习之BP神经网络个人理解及Python实现
关键词： 输入层（Input layer）。隐藏层（Hidden layer）。输出层（Output layer） 理论上如果有足够多的隐藏层和足够大的训练集，神经网络可以模拟出任何方程。隐藏层多的时候就是深度学习啦 没有明确的规则来设计最好有多少个隐藏层，可以根据实验测试的误差以及准确度 ...
菜鸟之路——机器学习之非线性回归个人理解及python实现
关键词： 梯度下降：就是让数据顺着梯度最大的方向，也就是函数导数最大的放下下降，使其快速的接近结果。 Cost函数等公式太长，不在这打了。网上多得是。 这个非线性回归说白了就是缩小版的神经网络。 ...
机器学习--聚类系列--层次聚类
层次聚类 层次聚类(Hierarchical Clustering)是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法。 作为一家 ...
机器学习-层次聚类（划分聚类）
层次聚类（划分聚类） 聚类就是对大量未知标注的数据集，按照数据内部存在的数据特征将数据集划分为多个不同的类别，使类别内的数据比较相似，类别之间的数据相似度比较小；属于无监督学习。 算法步骤 1.初始化的k个中心点 2.为每个样本根据距离分配类别 3.更新每个类别的中心点（更新为该类 ...
机器学习——层次聚类算法
层次聚类方法（我们做算法的用的很少）对给定的数据集进行层次的分解或者合并，直到满足某种条件为止，传统的层次聚类算法主要分为两大类算法: ●凝聚的层次聚类: AGNES算法(AGglomerative NESting)==>采用自底向.上的策略。最初将每个对象作为一个簇，然后这些簇 ...
《机器学习实战》菜鸟学习笔记（一）
《机器学习实战》终于到手了，开始学习了。由于本人python学的比较挫，所以学习笔记里会有许多python的内容。 1、 python及其各种插件的安装 由于我使用了win8.1 64位系统（正版的哦），所以像numpy 和 matploblib这种常用的插件不太好装，解决方案 ...
Python机器学习——Agglomerative层次聚类
层次聚类（hierarchical clustering）可在不同层次上对数据集进行划分，形成树状的聚类结构。AggregativeClustering是一种常用的层次聚类算法。 其原理是：最初将每个对象看成一个簇，然后将这些簇根据某种规则被一步步合并，就这样不断合并直到达到预设的簇类个数 ...