神經(jīng)網(wǎng)絡(luò)算法初識(shí) 感知機(jī)算法 1. 概述 感知機(jī)由兩層神經(jīng)元組成,輸入層接收外界輸入信號(hào)后傳遞給輸出層,輸出層是M-P神經(jīng)元,亦稱“閾值邏輯單元”(threshold log...
神經(jīng)網(wǎng)絡(luò)算法初識(shí) 感知機(jī)算法 1. 概述 感知機(jī)由兩層神經(jīng)元組成,輸入層接收外界輸入信號(hào)后傳遞給輸出層,輸出層是M-P神經(jīng)元,亦稱“閾值邏輯單元”(threshold log...
聚類算法 概述 聚類(clustering)為無監(jiān)督學(xué)習(xí)(unsupervised learning),試圖將樣本集劃分為若干互不相交的子集,即樣本簇。 聚類既能作為單獨(dú)過...
集成學(xué)習(xí) 1. 概述 集成學(xué)習(xí)(ensemble learning)通過構(gòu)建并結(jié)合多個(gè)學(xué)習(xí)器來完成學(xué)習(xí)任務(wù)。其一般結(jié)構(gòu)為:先產(chǎn)生一組“個(gè)體學(xué)習(xí)器”(individual le...
決策樹 概述 決策樹(Decision Tree)是一種常用的機(jī)器學(xué)習(xí)方法,是一種對(duì)實(shí)例進(jìn)行分類的樹形結(jié)構(gòu)。以二分類問題為例,假設(shè)我們要對(duì)是否買西瓜進(jìn)行決策。定義決策樹結(jié)構(gòu)包...
概率分類法 基本問題: 假設(shè)有兩類和 假設(shè)某樣本,要么,要么 求解:與,且 分類準(zhǔn)則為: 由貝葉斯公式可知: 分類準(zhǔn)則變成:其中,和叫做的先驗(yàn)概率;和叫做在上的條件概率;和叫...
數(shù)學(xué)描述 訓(xùn)練數(shù)據(jù)及標(biāo)簽:超平面(Hyper plane)線性模型:線性可分定義:,使得對(duì)綜合上述公式: SVM線性模型: 目標(biāo)函數(shù):約束條件:上述優(yōu)化問題是凸優(yōu)化問題(二次...
機(jī)器學(xué)習(xí)算法之回歸算法 回歸算法 回歸是用于估計(jì)兩個(gè)變量之間關(guān)系的統(tǒng)計(jì)過程。具體而言,回歸有兩個(gè)重要組成部分:自變量和因變量的關(guān)系,以及不同自變量對(duì)因變量影響的強(qiáng)度?;貧w算法...