机器学习

持续更新中。。。 1.编程界牛人太多了，还是要好好a题，好好弄清楚基础算法，并且用代码实现 2.c/c++方向其实来回来去那么几道题，做好了记到脑子里。 下面就是我打算把不会的，不清楚的都贴上来然后好好解析做一下： 1 2 3 4 360还有一个题挺难的，下面是bbs 的解法： 5 输出结果： // jingdongtest.cpp : 定义控制台应用程序的…

机器学习主要分为 有监督学习 和 无监督学习 两种。接下来我详细的给大家介绍一下这两种方法的概念和区别。 监督学习 （supervised learning）：通过已有的训练样本（即已知数据以及其对应的输出）来训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具有…

一、绪论1、定义 2、监督学习（Supervised Learning）：（训练前被告知对错）线性回归、分类eg.房价预测、肿瘤预测3、非监督学习（Unsupervised Learning）聚类eg.分离混音、新闻搜索、DNA分析、社交网络、天文分析、市场分析二、单变量线性回归1、线性回归模型概述 2、代价函数 θ_0=0时 当θ_0不等0时 等高线图显示…

摘要: scikit-learn是一个用于机器学习的Python模块，其具有操作简单、效率高、无访问限制、BSD开源协议等等特征，在机器学习这一块是比较受欢迎的。 scikit-learn是一个用于机器学习的 Python 模块，建立在SciPy基础之上，获得3-Clause BSD 开源许可证。这个项目是由 David Cournapeau 在 2007 …

写在前面： 　　在SenseTime工作了大概3个月，接触了机器学习的冰山一角，整理下这段时间的理解。 　　另外，这里说的机器学习，如无特殊说明，均指“监督学习”。 　　在下才疏学浅，如果又什么地方写错了，希望大神能不吝赐教（大神都不会来看我的博客吧）。   概念性总结： 　　这里介绍一些机器学习中常见的东西，如果你对此不感兴趣，可以直接跳到下一话题。 　　…

首先说一下概率论的重要性。机器学习往往需要处理不确定量，而概率论则是用于声明不确定性的数学工具，提供了量化不确定性的方法和导出新不确定性的公理，因此概率论是机器学习很重要的基础。概率论中最主要的便是概率分布的研究，下面给出几种常用的概率分布。 1、Bernoulli 分布（伯努利分布） 伯努利分布是单个二值随机变量的分布，由参数 \(\phi\in\left…

一、ID3决策树概述 　　ID3决策树是另一种非常重要的用来处理分类问题的结构，它形似一个嵌套N层的IF…ELSE结构，但是它的判断标准不再是一个关系表达式，而是对应的模块的信息增益。它通过信息增益的大小，从根节点开始，选择一个分支，如同进入一个IF结构的statement，通过属性值的取值不同进入新的IF结构的statement，直到到达叶子节点，找到它所…

【第1章 绪论】 1.1 引言 学习算法：机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。 学习算法的作用：1.基于提供的经验数据产生模型； 2.面对新情况时，模型可提供相应的判断。 模型：泛指从数据中学得的结果。 学习器：学习算法在给定数据和参数空间上的实例化。                          1.2…

参考资料：机器学习课程的ppt…… Mixture Models 我们将研究混合模型，包括高斯混合模型和伯努利混合模型。 关键思想是引入潜变量，它允许从更简单的分布形成复杂的分布。· 我们将看到，混合模型可以用具有离散的潜在变量（在有向的图形模型中）来解释。 在后面的课堂上，我们还会看到连续的潜在变量。   K-Means Clustering k-群集分析…

导入numpy 并简单赋值 import numpy as np a = np.array([0, 1, 2, 3, 4, 5]) print a # 数组转换到2D矩阵 变成三行两列 b = a.reshape((3, 2)) print b # .ndim（空间维度的意思)即矩阵列数 print a.ndim print b.ndim # .shape查…