机器学习

ng机器学习视频笔记（七） ——神经网络的代价函数、反向传播、梯度检验、随机初始化  （转载请附上本文链接——linhxx）   一、代价函数          同其他算法一样，为了获得最优化的神经网络，也要定义代价函数。          神经网络的输出的结果有两类，一类是只有0和1，称为二分分类（Binary classification），另一种有多个…

　　转载请注明出处：http://www.cnblogs.com/Peyton-Li/ 　　朴素贝叶斯法是机器学习模型中一个比较简单的模型，实现简单，比较常用。 　　是定义在输入空间上的随机向量，是定义在输出空间上的随机变量。是和的联合概率分布。训练数据集由独立同分布产生。 　　朴素贝叶斯法通过训练数据集学习联合概率分布。具体地，学习一下先验概率分布及条件概…

应用问题：求下列数据中时间与功率的关系？ 已知数据如下（数据之间以;号隔开）： 数据：日期、时间、有功功率、无功功率、电压、电流、厨房电功率、洗衣机电功率、热水器的电功率 Date;Time;Global_active_power;Global_reactive_power;Voltage;Global_intensity;Sub_metering_1;Su…

本文章部分内容基于之前的一篇专栏文章：统计学习引论 在机器学习里，通常来说我们不能将全部用于数据训练模型，否则我们将没有数据集对该模型进行验证，从而评估我们的模型的预测效果。为了解决这一问题，有如下常用的方法： 1.The Validation Set Approach 第一种是最简单的，也是很容易就想到的。我们可以把整个数据集分成两部分，一部分用于训练，一…

常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等； 常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等； K近邻：算法采用测量不同特征值之间的距离的方法进行分类。 优点： 1.简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；…

注：文章中所有的图片均来自台湾大学林轩田《机器学习技法》课程。笔记原作者：红色石头微信公众号：AI有道 上节课我们主要介绍了Kernel Logistic Regression，讨论如何把SVM的技巧应用在soft-binary classification上。方法是使用L2-level learning，先利用SVM得到参数\(b\)和\(w\)，然后再用…

注：文章中所有的图片均来自台湾大学林轩田《机器学习基石》课程。笔记原作者：红色石头微信公众号：AI有道 上一节课，主要探讨了\(M\)的数值大小对机器学习的影响。如果\(M\)很大，那么就不能保证机器学习有很好的泛化能力，所以问题转换为验证\(M\)有限，最好是按照多项式成长。然后通过引入了成长函数\(m_H(N)\)和dichotomy以及break po…

1、数据源读取 使用的时候，需要加载驱动 –jars 或者添加到classpath中 或scaddjar Spark对Oracle数据库读取，代码如下： conf = SparkConf().setAppName(string_test)sc = SparkContext(conf=conf) ctx = SQLContext(sc)sqltext = “…

闲来无事最近复习了一下ID3决策树算法，并凭着理解用pandas实现了一遍。对pandas更熟悉的朋友可供参考（链接如下）。相比本篇博文，更简明清晰，更适合复习用。 https://github.com/DianeSoHungry/ShallowMachineLearningCodeItOut/blob/master/ID3.ipynb       现在要介…

一丶案例引入 # 城市气候与海洋的关系研究 # 导包 import numpy as np import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt %matplotlib inline # 使用画图模块时,jupyter工具需要声明 fro…