題目來(lái)源:力扣(LeetCode)https://leetcode-cn.com/如有侵權(quán)請(qǐng)聯(lián)系作者刪除 1、給定一個(gè)整數(shù)數(shù)組 nums 和一個(gè)目標(biāo)值 target,請(qǐng)你在該...
題目來(lái)源:力扣(LeetCode)https://leetcode-cn.com/如有侵權(quán)請(qǐng)聯(lián)系作者刪除 1、給定一個(gè)整數(shù)數(shù)組 nums 和一個(gè)目標(biāo)值 target,請(qǐng)你在該...
視頻地址:https://www.youtube.com/embed/FmpDIaiMIeA 文檔參閱:pdf [2MB] & ppt [6MB] & Web View & ...
1、SVM原理 支持向量機(jī)、二分類模型 學(xué)習(xí)策略:間隔最大化 可轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問(wèn)題 通過(guò)尋找有著最大間隔的超平面函數(shù)間隔、幾何間隔 函數(shù)間隔:(超平面確定的情況下,能夠...
圖像處理是通過(guò)計(jì)算機(jī)技術(shù)將圖像信號(hào)轉(zhuǎn)換為數(shù)字信號(hào),進(jìn)而進(jìn)行處理的過(guò)程。其主要的圖像技術(shù)包括以下幾種:1.圖像濾波2.圖像增強(qiáng)3.圖像分割4.圖像復(fù)原和重建5.圖像特征提取6....
決策樹 算法:ID3,C4.5,CART 優(yōu)點(diǎn): 1、易于理解和解釋,可以可視化分析,容易提取出規(guī)則 2、可以同時(shí)處理標(biāo)稱型和數(shù)值型數(shù)據(jù) 3、測(cè)試數(shù)據(jù)集時(shí),運(yùn)行速度比較快 4...
SVM(Support Vector Machines) 近年已被深度學(xué)習(xí)所替代 SVM尋找區(qū)分兩類的超平面(hyper plane),使邊際(margin)最大 向...
PCA(Principal Component Analgesic) 降維、數(shù)據(jù)壓縮、可做數(shù)據(jù)可視化 降維分析:找到數(shù)據(jù)最重要的方向(方差最大的方向),第一個(gè)主成分就是從...
聚類算法 可用于尋找優(yōu)質(zhì)客戶、社區(qū)發(fā)現(xiàn)、異常點(diǎn)監(jiān)控 K-MEANS -算法接受參數(shù)k;然后將事先輸入的n個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類,以便使得所獲得的聚類滿足:同一聚類中的對(duì)...
貝葉斯統(tǒng)計(jì)學(xué) 基于(總體信息+樣本信息+先驗(yàn)信息)進(jìn)行統(tǒng)計(jì)推斷的方法和理論 先驗(yàn)信息:抽樣之前,有關(guān)推斷問(wèn)題中未知參數(shù)的一些信息,通常來(lái)自于經(jīng)驗(yàn)或歷史資料 貝葉斯定理: ...
線性神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)——八例題 圖片: 單層感知器 圖片: 異或問(wèn)題 線性神經(jīng)網(wǎng)絡(luò)解決異或 圖片:
神經(jīng)網(wǎng)絡(luò)(Neural Network) 爆發(fā)要素:大數(shù)據(jù)、計(jì)算能力(GPU)、算法 單層感知器 輸入節(jié)點(diǎn):x1,x2,x3 輸出節(jié)點(diǎn):y 權(quán)向量:w1,w2...
XGBoost回歸 圖片: sklearn-XGBoost回歸 XGBoost分類 圖片: sklearn-XGBoost分類 圖片: LightGBM 圖片:
決策樹 圖片: 決策樹-cart算法 圖片: 決策樹線性二分類 圖片: 決策樹非線性二分類 圖片: Bagging 圖片: 隨機(jī)森林 圖片: stacking adaboos...
邏輯回歸(Logistic Regression) 用于處理分類問(wèn)題 Sigmoid Function / Logistic Function 邏輯函數(shù): 將定義邏輯回歸的預(yù)...