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 ...
原文：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。 基本概念 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cluster ，每個簇潛在地對應於某一個概念。但是每個簇所具有現實意義由使用者自己決定，聚類算法僅僅會進行划分。 聚類的作用： 可以作為一個單獨的過程，用於尋找數據的一個分布規律 作為分類的預處理過程。首先對分類數據進行聚類處理，然后在聚類 ...
2017-09-16 17:39 0 3333 推薦指數：
相關推薦
python大戰機器學習——數據預處理
的特征 如決策樹算法就可以直接使用含有缺失值的特征 (2)刪除含有缺失值的特征 (3)缺失值 ...
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
輸出：投影矩陣W 算法步驟： 1）對所有樣本進行中心化操作 2）計算 ...
【機器學習】K-means聚類算法與EM算法
）了。如果找到的y能夠使P(x,y)最大，那么我們找到的y就是樣例x的最佳類別了，x順手就聚類了。但是我們 ...
python機器學習筆記：EM算法
，是很多機器學習領域的基礎，比如隱式馬爾科夫算法（HMM），LDA主題模型的變分推斷算法等等。本文對於EM算 ...
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&am ...
python機器學習——kmeans聚類算法
背景與原理： 聚類問題與分類問題有一定的區別，分類問題是對每個訓練數據，我給定了類別的標簽，現在想要訓練一個模型使得對於測試數據能輸出正確的類別標簽，更多見於監督學習；而聚類問題則是我們給出了一組數據，我們並沒有預先的標簽，而是由機器考察這些數據之間的相似性，將相似的數據聚為一類，是無監督學習 ...