python大戰機器學習——聚類和EM算法
注：本文中涉及到的公式一律省略（公式不好敲出來），若想了解公式的具體實現，請參考原著。 1、基本概念 （1）聚類的思想： 將數據集划分為若干個不想交的子集（稱為一個簇cluste ...
原文：Python大戰機器學習——基礎知識+前兩章內容
一 矩陣求導 復雜矩陣問題求導方法：可以從小到大，從scalar到vector再到matrix。 x is a column vector, A is a matrix d A amp x x dx A d A x dx A d xT amp x A dxT A d xT A dxT A d xT amp x A dx AT d xT A dx AT d xT amp x A amp x x dx ...
2017-07-24 20:04 0 1372 推薦指數：
相關推薦
python大戰機器學習——半監督學習
半監督學習：綜合利用有類標的數據和沒有類標的數據，來生成合適的分類函數。它是一類可以自動地利用未標記的數據來提升學習性能的算法 1、生成式半監督學習 優點：方法簡單，容易實現。通常在有標記數據極少時，生成式半監督學習方法比其他方法性能更好 缺點：假設的生成式模型必須與真實 ...
python大戰機器學習——數據預處理
數據預處理的常用流程： 1）去除唯一屬性 2）處理缺失值 3）屬性編碼 4）數據標准化、正則化 5）特征選擇 6）主成分分析 1、去除 ...
python大戰機器學習——模型評估、選擇與驗證
1、損失函數和風險函數 (1)損失函數：常見的有 0-1損失函數 絕對損失函數 平方損失函數 對數損失函數 (2)風險函數：損失函數的期望 經驗風險：模型在數據集T上的平均損失 ...
python大戰機器學習——數據降維
注：因為公式敲起來太麻煩，因此本文中的公式沒有呈現出來，想要知道具體的計算公式，請參考原書中內容 降維就是指采用某種映射方法，將原高維空間中的數據點映射到低維度的空間中 1、主成分分析（PCA） 將n維樣本X通過投影矩陣W，轉換為K維矩陣Z 輸入：樣本集D，低維空間d ...
機器學習——基礎知識
###機器學習的基礎概念 機器學習時一門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。 機器學習主要使用的學習方法是歸納，而不是演繹。 機器學習 ...
機器學習概率論的一些基礎知識
概率論的一些基礎知識 條件概率 \(P(B|A) = \frac{1}{3}\) 表示的意思為當A發生的時候，B發生的概率 有公式 \[P(B|A) = \frac{P(AB)}{P(A)} \] \[P(AB) = P(B|A)*P(A)=P(A|B)*P(B ...