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...
IP屬地：江蘇
-
機(jī)器學(xué)習(xí)算法之神經(jīng)網(wǎng)絡(luò)算法初識(shí)
-
機(jī)器學(xué)習(xí)算法之聚類算法
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...
-
機(jī)器學(xué)習(xí)算法之集成算法
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...
-
機(jī)器學(xué)習(xí)算法之決策樹決策樹 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...
-
機(jī)器學(xué)習(xí)算法之樸素貝葉斯
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...
-
機(jī)器學(xué)習(xí)算法之支持向量機(jī)
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
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...