机器学习

https://mp.weixin.qq.com/s/ngWlOyVFqVaQ0aX8xltJyQ 赛灵思机器学习套件（ML Suite） v1.4 已于 5 月 24 日发布，主要更新功能包括： DECENT 量化器的集成 xfDNN Runtime API 已升级，可支持多输出网络 简单易用的增强功能 支持 Docker 镜像 支持 Caffe 的自定义…

序言 在机器学习中，性能指标(Metrics)是衡量一个模型好坏的关键，通过衡量模型输出y_predict 和 y_true之间的某种”距离”得出的。 性能指标往往是我们做模型时的最终目标，如准确率，召回率，敏感度等等，但是性能指标常常因为不可微分，无法作为优化的loss函数，因此采用如cross-entropy, rmse等“距离”可微函数作为优化目标，以…

一、纲要 　　线性回归的正规方程解法 　　局部加权线性回归 二、内容详述 　　1、线性回归的正规方程解法 　　线性回归是对连续型的数据进行预测。这里讨论的是线性回归的例子，对于非线性回归先不做讨论。这部分内容我们用的是正规方程的解法，理论内容在之前已经解释过了，正规方程为θ = (XT·X)-1·XT·y。值得注意的是这里需要对XT·X求逆矩阵，因此这个方程…

　　看了上一篇内容之后，相信对K近邻算法有了一个清晰的认识，今天的内容——手写数字识别是对上一篇内容的延续，这里也是为了自己能更熟练的掌握k-NN算法。 我们有大约2000个训练样本和1000个左右测试样本，训练样本所在的文件夹是trainingDigits，测试样本所在的文件夹是testDigits。文本文件中是0~9的数字，但是是用二值图表示出来的，如图…

KNN是有监督的学习算法，其特点有： 1、精度高，对异常值不敏感 2、只能处理数值型属性 3、计算复杂度高（如已知分类的样本数为n，那么对每个未知分类点要计算n个距离）   KNN算法步骤： 需对所有样本点（已知分类+未知分类）进行归一化处理。 然后，对未知分类的数据集中的每个样本点依次执行以下操作： 1、计算已知类别数据集中的点与当前点（未知分类）的距离。…

http://www.cnblogs.com/digging4/p/3884385.html 1、引子 朴素贝叶斯方法是一种使用先验概率去计算后验概率的方法，其中朴素的意思实际上指的是一个假设条件，后面在举例中说明。本人以为，纯粹的数学推导固然有其严密性、逻辑性的特点，但对我等非数学专业的人来说，对每一推导步骤的并非能透彻理解，我将从一个例子入手，类似于应用…

国庆期间的作业：   * 了解掌握线性感知机算法（PLA）的基本原理和算法流程，并使用PLA来解决一个实际的分类问题。   数据集介绍： data1.csv —— 维度为100×3，包含100个样本，前两列是数据特征，最后一列是输出标签label。该数据集线性可分。   线性可分，采用PLA 线性不可分：采用Pocket Learning Algorithm…

https://zhuanlan.zhihu.com/p/776861188 1.Loss Function、Cost Function 和 Objective Function 的区别和联系 损失函数 Loss Function 通常是针对单个训练样本而言，给定一个模型输出 和一个真实 ，损失函数输出一个实值损失 代价函数 Cost Function 通常…

本文主要总结决策树中的ID3,C4.5和CART算法，各种算法的特点，并对比了各种算法的不同点。 决策树：是一种基本的分类和回归方法。在分类问题中，是基于特征对实例进行分类。既可以认为是if-then规则的集合，也可以认为是定义在特征空间和类空间上的条件概率分布。 决策树模型：决策树由结点和有向边组成。结点一般有两种类型，一种是内部结点，一种是叶节点。内部结…

找到一个讲机器学习的好博客！！写的真的很6，看了写的svm，条理清晰！！http://blog.csdn.net/zouxy09/article/details/17291543 将数据利用一个分隔超平面分隔开来，使得再被分隔开来的数据具有特定的分类。如果数据点在一个二维平面上，那么这个分隔超平面就是一条直线。想要把两堆数据分隔开来，存在许多条直线，那么哪一…