在本章節中，我們會學習如何用Theano實現最基本的對數回歸分類器。首先，我們會簡單的復習一個這個模型，在這個過程中，大家可以進一步的了解如何把數學表達式和Theano的圖模型結合起來。 數學模型 對數回歸模型是試過線性概率分類器，它有兩個參數，權重矩陣$W$和偏移向量$b$.分類的過程 ...

在鳶尾花數據集上 去除線性可分的類（1類），結果如下： 去除線性不可分的類（0類），結果如下： ...

　　我正在做一個關於SVM的小項目，在我執行驗證SVM訓練后的模型的時候，得到的report分數總是很高，無論是召回率（查全率）、精准度、還是f1-score都很高： 圖1 分類器分數report 　　但是，對於訓練的效果就非常差，差到連包含訓練集的測試集都無法正確分類，如下圖所示 ...

以下內容參考CS231n。 上一篇關於分類器的文章，使用的是KNN分類器，KNN分類有兩個主要的缺點： 空間上，需要存儲所有的訓練數據用於比較。 時間上，每次分類操作，需要和所有訓練數據比較。 本文開始線性分類器的學習。 和KNN相比，線性分類器才算得上真正具有實用價值 ...

貝葉斯定理 貝葉斯定理是通過對觀測值概率分布的主觀判斷（即先驗概率）進行修正的定理，在概率論中具有重要地位。 先驗概率分布(邊緣概率)是指基於主觀判斷而非樣本分布的概率分布，后驗概率(條件概率)是 ...

貝葉斯定理 貝葉斯定理是通過對觀測值概率分布的主觀判斷（即先驗概率）進行修正的定理，在概率論中具有重要地位。 先驗概率分布(邊緣概率)是指基於主觀判斷而非樣本分布的概率分布，后驗概率(條件概率)是 ...

本文代碼來之《數據分析與挖掘實戰》，在此基礎上補充完善了一下~ 代碼是基於SVM的分類器Python實現，原文章節題目和code關系不大，或者說給出已處理好數據的方法缺失、源是圖像數據更是不見蹤影，一句話就是練習分類器（▼㉨▼メ） 源代碼直接給好了K=30，就試了試怎么選的，挑選規則設定比較 ...

在之前的決策樹到集成學習里我們說了決策樹和集成學習的基本概念（用了adaboost昨晚集成學習的例子），其后我們分別學習了決策樹分類原理和adaboost原理和實現， 上兩篇我們學習了cart（決策分類樹），決策分類樹也是決策樹的一種，也是很強大的分類器，但是cart的深度太深，我們可以指定 ...