机器学习

一，引言 　　先说个K-means算法很高大上的用处，来开始新的算法学习。我们都知道每一届的美国总统大选，那叫一个竞争激烈。可以说，谁拿到了各个州尽可能多的选票，谁选举获胜的几率就会非常大。有人会说，这跟K-means算法有什么关系？当然，如果哪一届的总统竞选，某一位候选人是绝对的众望所归，那自然能以压倒性优势竞选成功，那么我们的k-means算法还真用不上…

  1.机器学习工作流程 　　获取-》检查探索-》清理准备-》建模-》评估-》部署 2.搭建机器学习环境 　　1..通过安装Python，配置相关环境变量 　　2.强烈建议直接安装anacomda，这是一个单一的可执行程序，几乎包含所有需要的软件包和依赖者，因为这个发行版是针对Python科学栈的用户，本质上是一个一劳永逸的解决方案，其中conda upda…

特征降维方法包括：Lasso，PCA，小波分析，LDA，奇异值分解SVD，拉普拉斯特征映射，SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap。 1. LASSO通过参数缩减达到降维的目的 LASSO(Least absolute shrinkage and selection operator, Tibshirani(1996))…

1. 一些基本概念 图1. 机器学习的基本过程   训练集（Training Set）：为了研究一个变量（x）与另一个变量（y）的关系，而通过观察、测量等方式获得的一组数据。这组数据中收集了x和与之对应的y——一个数据对（x, y）。例如我们要研究房屋面积（x）和售价（y）之间的关系，每观察一套已出售的房屋，就得到一个数据对（x, y）。观察10套已出售的房…

Aforge.net之旅——开篇：从识别验证码开始 基于AForge.Net框架的扑克牌识别 人工神经网络入门（4） —— AFORGE.NET简介 .NET开源工程推荐（Accord，AForge，Emgu CV） 今日头条的核心技术细节是什么？ Factorization Machines 学习笔记（四）学习算法 隐因子分解机Factorization …

在机器学习(Machine learning)领域。主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised learning)、 半监督学习(Semi-supervised learning)， 监督学习：通过已有的一部分输入数据与输出数据之间的相应关系。生成一个函数，将输入映射到合适的输出，比…

  版权声明：     本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com   前言：     又有很长的一段时间没有更新博客了，距离上次更新已经有两个月的时间了。其中一个很大的原因是，不知道写什么好-_-，…

       数据集中的异常数据通常被成为异常点、离群点或孤立点等，典型特征是这些数据的特征或规则与大多数数据不一致，呈现出“异常”的特点，而检测这些数据的方法被称为异常检测。 　　异常数据根据原始数据集的不同可以分为离群点检测和新奇检测： 离群点检测(Outlier Detection) 　　大多数情况我们定义的异常数据都属于离群点检测，对这些数据训练完之…

1、熵的定义 熵最早是一个物理学概念，由克劳修斯于1854年提出，它是描述事物无序性的参数，跟热力学第二定律的宏观方向性有关：在不加外力的情况下，总是往混乱状态改变。熵增是宇宙的基本定律，自然的有序状态会自发的逐步变为混沌状态。1948年，香农将熵的概念引申到信道通信的过程中，从而开创了”信息论“这门学科。香农用“信息熵”来描述随机变量的不确定程度，也即信息…

作业在这，http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/hw2.pdf 是区分spam的。 57维特征，2分类问题。采用逻辑回归方法。但是上述数据集在kaggle中没法下载，于是只能用替代的方法了，下了breast-cancer-wisconsin数据集。 链接在这http://arc…