發(fā)簡信
IP屬地：浙江
-
機器學習系列7：CART樹和剪枝一、剪枝 1. 為什么要剪枝 在決策樹生成的時候，更多考慮的是訓練數(shù)據(jù)，而不是未知數(shù)據(jù)，這會導致過擬合，使樹過于復雜，對于未知的樣本不準確。 2...
-
機器學習系列6：決策樹決策樹是一種基本的分類與回歸方法。這里主要討論決策樹用于分類。 決策樹模型是描述對樣本進行分類的樹形結(jié)構(gòu)。樹由結(jié)點和有向邊組成： 內(nèi)部結(jié)點表示一...
-
機器學習系列5：熵的推導和計算
一、信息熵 熵 (entropy) 這一詞最初來源于熱力學。1948年，克勞德·愛爾伍德·香農(nóng)將熱力學中的熵引入信息論，所以也被稱為香農(nóng)熵 (S...
-
機器學習系列4:邏輯回歸與softmax回歸詳解
一、Logistic regression中sigmod函數(shù)推導 sigmod函數(shù)的推導 1.伯努利分布 一個事件x，其結(jié)果只有兩種：x=1 o...
-
機器學習系列3:概率模型、樸素貝葉斯和sigmod函數(shù)推導
一、貝葉斯公式推導 1.條件概率 設(shè)是任意兩個事件，已知發(fā)生的條件下，發(fā)生的條件概率為： 2.全概率公式 設(shè)為有限或無限個事件，他們兩兩互斥，即...
-
機器學習系列2：誤差、梯度下降、交叉驗證、歸一化和評價指標一、詳細理解誤差（error）與偏差（bias）和方差（variance） 1.偏差與方差 2.error與bias和variance的關(guān)系 總...
-
機器學習系列1：線性回歸詳解
一、什么是機器學習？ 機器學習包括：1.監(jiān)督學習（supervised learning） ①回歸：尋找一個假設(shè)函數(shù)，根據(jù)大量的訓練集X來預測目...
-
zigbee組網(wǎng)幾個重要函數(shù)
SampleApp_ProcessEvent 事件處理函數(shù) 例如： void SampleApp_SendPeriodicMessage( vo...