github：PCA代碼實現、PCA應用 本文算法均使用python3實現 1. 數據降維   在實際生產生活中，我們所獲得的數據集在特征上往往具有很高的維度，對高維度的數據進行處理時消耗的時間很大，並且過多的特征變量也會妨礙查找規律的建立。如何在最大程度上保留數據集的信息量的前提下進行 ...

github：kmeans代碼實現1、kmeans代碼實現2(包含二分k-means) 本文算法均使用python3實現 1 聚類算法   對於"監督學習"(supervised learning)，其訓練樣本是帶有標記信息的，並且監督學習的目的是：對帶有標記的數據集進行模型學習，從而便於 ...

。 三、 理論推導 　此處依照我個人理解所寫，錯誤之處歡迎指出 K-means核心操作 ...

那就從k-means開始吧 對於機器學習的新手小白來說，k-means算法應該都會接觸到吧。傳統的k-means算法是一個硬聚類（因為要指定k這個參數啦）算法。這里利用百度的解釋 看上去好難懂，實際上任務就是要聚類，然后將相關的點聚成一堆嘛。這里我們可以給出k-means的核心公式 ...

剛看了這個算法，理解如下，放在這里，備忘，如有錯誤的地方，請指出，謝謝 需要做聚類的數組我們稱之為【源數組】需要一個分組個數K變量來標記需要分多少個組，這個數組我們稱之為【聚類中心數組】及一個緩存臨時聚類中心的數組，我們稱之為【緩存聚類中心數組】然后初始化一個K長度的數組，值隨機（盡量分布 ...

一：什么是看KNN算法？ kNN算法全稱是k-最近鄰算法（K-Nearest Neighbor） kNN算法的核心思想是如果一個樣本在特征空間中的k個最相鄰的樣本中的大多數屬於某一個類別，則該樣本也屬於這個類別，並具有這個類別上樣本的特性。該方法在確定 ...

Meta Learning--MAML算法理解 以下為對MAML算法的理解：（MAML的目的是：learning good weight initalizations） 上面MAML對應的算法，步驟4-7對應的李弘毅老師《深度學習》圖中的子任務的第一步（如a），步驟8對應圖中的第二步 ...

一 k近鄰算法原理 k近鄰算法是一種基本分類和回歸方法. 如上圖所示，有兩類不同的樣本數據，分別用藍色的小正方形和紅色的小三角形表示，而圖正中間的那個綠色的圓所標示的數據則是待分類的數據。這也就是我們的目的，來了一個新的數據點，我要得到它的類別是什么？好的，下面 ...