机器学习

本文讲解了SVM的原理，以及代码中用到的公式手写的推导的过程，以及对应的SVM简单代码的实现及详解，还有加入核函数解决非线性函数的的方法及代码的详解 1.支持向量机简介 英文名为Support Vector Machine简称为SVM，是一种二分类模型 线性可分支持向量机：如下图就可以通过一条红色的直线将蓝色的球和红色的球完全区分开，该直线被称为线性分类器，…

1.基于 Logistic 回归和 Sigmoid 函数的分类 逻辑回归适合于01情况的分类就是描述一个问题是或者不是，所以就引入sigmoid函数，因为这个函数可以将所有值变成0-1之间的一个值，这样就方便算概率首先我们可以先看看Sigmoid函数(又叫Logistic函数)将任意的输入映射到了[0,1]区间我们在线性回归中可以得到一个预测值，再将该值映射…

本文将从业务场景、平台功能实现两个方面介绍vivo内部机器学习平台在建设与实践中的思考和优化思路。 vivo 互联网产品团队 – Wang xiao 随着广告和内容等推荐场景的扩展，算法模型也在不断演进迭代中。业务的不断增长，模型的训练、产出迫切需要进行平台化管理。vivo互联网机器学习平台主要业务场景包括游戏分发、商店、商城、内容分发等。本文将从业务场景、…

【分类】      ①两类或二分类问题：输出值为0或1 ②多分类问题：比如y可能有4个值，0、1、2、3    有关肿瘤的分类问题    如果使用线性回归处理分类问题？        为了尝试分类，方法是使用线性回归并且把大于0.5的映射为1，小于0.5的映射为0 然而这种方法并不能正常工作，因为分类不是一个线性函数 【假设的表示方法】  Sigmoid函数…

【多重特征】 多变量线性回归 可以有任何输入变量的等式的表示方法    假设    使用矩阵乘法的定义，我们的多变量假设功能可以被简洁地描述为    这是未来我们为训练例子的准备的假设函数的向量化 【多重变量的梯度下降】 假设 参数 代价函数             梯度下降的步骤 原来的算法（n=1） 反复做{ 角度0 = 原角度0-学习率 *(1/m) …

环境配置 安装 python 博主使用的版本是 3.10.6 在 Windows 系统上使用 Virtualenv 搭建虚拟环境 安装 Virtualenv 打开 cmd 输入并执行 pip install Virtualenv 等待安装完成即可，如下图。 创建虚拟环境 进入自定义文件夹（Virtualenv），打开 cmd ，输入并执行 py -3 -m …

在机器学习中，我们的数据集往往存在各种各样的问题，如果不对数据进行预处理，模型的训练和预测就难以进行。这一系列博文将介绍一下机器学习中的数据预处理问题，以UCI数据集为例详细介绍缺失值处理、连续特征离散化，特征归一化及离散特征的编码等问题，同时会附上处理的Matlab程序代码，这篇博文先介绍下特征归一化，其要点可见本文目录。 摘要：在机器学习中，我们的数据集…

本文讲述了朴素贝叶斯的原理，概率的计算方式，给出代码的详细解释，并最后给出代码的运行过程的总结，然后又用了两个实例来讲述朴素贝叶斯代码的计算过程 1.优缺点 优点: 在数据较少的情况下仍然有效， 可以处理多类别问题。 缺点: 对于输入数据的准备方式较为敏感。 适用数据类型:标称型数据 2.朴素贝叶斯的一般过程 (1) 收集数据:可以使用任何方法。本章使用RS…

本文讲解了决策树的创键的过程，包括熵，信息增益的计算，还有决策树的创建，以及使用matplotlib让决策树可视化的详细过程 1.决策树的构造 1.1优缺点 优点: 计算复杂度不高：以ID3为例，每次运算都是基于某一列特征，特征计算完后，下次计算不考虑该最有特征，并且通过适当剪枝可以简化复杂度 输出结果易于理解：因为输出的是一个树的结构，树的走向一目了然 对…

【说在前面】 1.只是知道算法和数学，而不知道如何将算法实际运用于你所关心的问题并不是一件好事。 2.花点时间做些有关算法每个步骤的练习，看看你能否理解它们是如何工作的。 【机器学习定义】 不用精确编程也能让计算机有能力学习的研究领域（Arthur Samuel，older, informal） 从经验中学习关于某些类别的任务T和表现度量P，并且在做任务T时…