乐胖代购免代理版

欢迎

【机器学习】--机器学习之朴素贝叶斯从初始到应用

一、前述机器学习算法中，有种依据概率原则进行分类的朴素贝叶斯算法，正如气象学家预测天气一样，朴素贝叶斯算法就是应用先前事件的有关数据来估计未来事件发生的概率

机器学习

垃圾邮件

朴素贝叶斯

特征值

原创 2022-12-30 18:12:59 336 阅读

【机器学习】---密度聚类从初识到应用

=========================================================声明：由于不同平台阅读格式不一致(尤其源码部分)，所以获取更多阅读体验！！个人网站地址：http://www.lhworldblog.com/========================================================== 一.前述密度聚类是

聚类

持续更新

个人网站

原创 2022-12-30 16:59:43 124 阅读

【机器学习】--Kmeans从初识到应用

一.前述Kmeans算法一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。Kmeans算

聚类

相似度

余弦相似度

原创 2022-12-30 16:57:14 99 阅读

【机器学习】--线性回归中L1正则和L2正则

=========================================================声明：由于不同平台阅读格式不一致(尤其源码部分)，所以获取更多阅读体验！！个人网站地址：http://www.lhworldblog.com/2018/01/27/%e3%80%90%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e3%80%91-%e7%

正则

elastic

Lasso

原创 2022-12-30 16:56:43 151 阅读

【机器学习】--线性回归中soft-max从初始到应用

====

多分类

Soft

损失函数

原创 2022-12-30 16:54:46 113 阅读

【机器学习】---逻辑回归从初识到应用

=========================================================声明：由于不同平台阅读格式不一致(尤其源码部分)，所以获取更多阅读体验！！个人网站地址：http://www.lhworldblog.com/?p=125&preview=true=============================================

数据集

分类算法

缩放

原创 2022-12-30 16:51:39 55 阅读

【机器学习】--线性回归从初识到应用

=========================================================声明：由于不同平台阅读格式不一致(尤其源码部分)，所以获取更多阅读体验！！个人网站地址：http://www.lhworldblog.com/==========================================================一.前述线性回归是机

迭代

损失函数

随机梯度下降

原创 2022-12-30 16:51:36 101 阅读

【机器学习】--主成分分析PCA降维从初识到应用

一、前述主成分分析（Principal Component Analysis，PCA），是一种统计方法。通过正交

PCA

特征向量

数据

协方差

原创 2022-12-30 16:51:20 98 阅读

【机器学习】--xgboost初始之代码实现分类

一、前述上节我们讲解了xgboost的基本知识，本节我们通过实例进一步讲解。二、具体1、安装默认可以通过pip安装，若是安装不

xgboost

权重

安装包

过拟合

原创 2022-12-30 16:51:10 231 阅读

理解交叉熵作为损失函数在神经网络中的作用

交叉熵的作用通过神经网络解决多分类问题时，最常用的一种方式就是在最后一层设置n个输经网络可以得到一个N维的...

神经网络

Soft

概率分布

转载 2022-12-30 16:50:37 110 阅读

【机器学习】--决策树和随机森林

一、前述决策树是一种非线性有监督分类模型，随机森林是一种非线性有监督分类模型。线性分类模型比如说逻辑回归，可能会存在、决策树的生成：...

集成学习

决策树

数据

信息增益

原创 2022-12-30 16:50:01 172 阅读

【机器学习】--决策树和随机森林

一、前述决策树是一种非线性有监督分类模型，随机森林是一种非线性有监督分类模型。线性分类模型比如说逻辑回归，可能会存在不可分问题，但是非线性分类就不存在。二、具体原理ID3算法1、相关术语根节点：最顶层的分类条件叶节点：代表每一个类别号中间节点：中间分类条件分枝：代表每一个条件的输出二叉树：每一个节点上有两个分枝多叉树：每一个节点上至少有两个分枝 2、决策树的生成：数据不断分裂的

集成学习

决策树

数据

信息增益

原创 2022-12-30 16:50:01 216 阅读

【机器学习】--SVM从初始到应用

一、前述SVM在2012年前还是很牛逼的，但是12年之后神经网络更牛逼些，但我们还是很有必要了解SVM的。二、具

SVM

数据

支持向量机

神经网络

原创 2022-12-30 16:49:58 87 阅读

【Numpy应用】--对于图片处理的机器学习库的应用

一。思路二。代码：#coding:utf-8import numpy as npimport PIL.Image as Imageimport pickle as pimport os

numpy

Image

原创 2022-12-30 16:49:51 130 阅读

【机器学习篇】--SVD从初始到应用

SVD

特征值

推荐系统

矩阵相乘

原创 2022-12-30 16:49:49 77 阅读

【机器学习】--集成算法从初始到应用

一、前述集成思想就是让很多个训练器决定一个结果，目的：让机器学习效果更好，单个不行，群殴走起。二、具体1、概述 2、Bagging模型全称： bootstrap aggregation（说白了就是并行训练一堆分类器），最典型的代表就是随机森林啦。随机：数据采样随机，特征选择随机森林：很多个决策树并行放在一起构造树模型：由于二重随机性，使得每个树基本上都不会一样，最终的结果也会不一样。树模

集成学习

数据

权重

随机森林

原创 2022-12-30 16:49:47 91 阅读

【机器学习】--xgboost从初识到应用

一、前述在 Kaggle 的很多比赛中，我们可以看到很多 winner 喜欢用 xgboost，而且获得非常好的表现，今天就来看看 xgb

xgboost

决策树

过拟合

结点

原创 2022-12-30 16:49:46 148 阅读

【机器学习】--时间序列算法从初识到应用

一、前述指数平滑法对时间序列上连续的值之间的相关性没有要求。但是，如果你想使用指数平滑法计算出预测区间，那么预测误差必须是不相关的，且必须是服从零均值、方差不变的正态分布。即使指数平滑法对时间序列连续数值之间相关性没有要求，在某种情况下，我们可以通过考虑数据之间的相关性来创建更好的预测模型。自回归移动平均模型（ ARIMA）是最常用的时间序列预测模型。二、具体1、自回归模型（AR）描述当

时间序列算法

时间序列

差分

预测模型

原创 2022-12-30 16:49:40 129 阅读

【机器学习】--Adaboost从初始到应用

一、前述AdaBoost算法和GBDT(Gradient Boost Decision Tree，梯度提升决策树)算法是基于Boosting思想的机器学习算法。在Boosting思想中是通过对样本进行不同的赋值，对错误学习的样本的权重设置的较大，这样，在后续的学习中集中处理难学的样本，最终得到一系列的预测结果，每个预测结果有一个权重，较大的权重表示该预测效果较好。二、具体原理AdaBoost,是英

Adaboost

权重

类函数

Ada

原创 2022-12-30 16:48:42 45 阅读

【机器学习】--Python机器学习库之Numpy

一、前述NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。 NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。这个库的前身是1995年就开始开发的一个用于数组运算的库。经过了长时间的发展，基本上成了绝大部分Python科学计算的基础包，当然也包括所有提供Python接口的深度学习框架

numpy

NumPy

数组

Python

原创 2022-12-30 16:48:37 129 阅读

【机器学习】--关联规则算法从初识到应用

一、前述在一个数据集中找出项之间的关系，也称之为购物蓝分析 (market basket analysis)。例如，购买鞋的顾客，有10%的可能也会买袜子，60%的买面包的顾客，也会买牛奶。这其中最有名的例子就是"尿布和啤酒"的故事了。二、相关概念交易集：包含所有数据的一个数据集合，数据集合中的每条数据都是一笔交易关联分析：在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集或者关

关联规则算法

频繁项集

关联规则

ide

原创 2022-12-30 16:48:27 124 阅读

【机器学习】--贝叶斯网络

贝叶斯网络

条件概率

朴素贝叶斯

原创 2022-12-30 16:48:19 208 阅读

【机器学习】--谱聚类从初始到应用

一、前述谱聚类（spectral clustering）是一种基于图论的聚类方法，主要思想是把所有的数据看做空间中的点，这些点之间可以用边连接起来。距离较远（或者相似度较低）的两个点之间的边权重值较低，而距离较近（或者相似度较高）的两个点之间的边权重值较高，通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边权重和尽可能的高，

谱聚类

聚类

邻接矩阵

权重

原创 2022-12-30 16:48:17 127 阅读

【机器学习】--EM算法从初识到应用

一、前述Em算法是解决数学公式的一个算法，是一种无监督的学习。EM算法是一种解决存在

EM

迭代

概率密度

监督学习

原创 2022-12-30 16:48:13 110 阅读

【机器学习】--FP-groupth算法从初始到应用

一、前述二、构建FP_groupth数流程1、扫描事务数据库D 一次。收集频繁项的集合F 和它们

FP-groupth

父节点

递归

子节点

原创 2022-12-30 16:48:09 58 阅读

【机器学习】--隐含马尔科夫模型从初识到应用

一、前述马尔可夫（1856~1922），苏联数学家。切比雪夫的学生。在概率论、数论、函数

隐含马尔科夫模型

概率分布

语音识别

自然语言处理

原创 2022-12-30 16:48:07 77 阅读

【机器学习】--隐语义模型

一、前述隐语义模型是近年来推荐系统领域较为热门的话题，它主要是根据隐含特征将

隐语义模型

损失函数

机器学习

迭代

原创 2022-12-30 16:47:49 93 阅读

【机器学习】--层次聚类从初识到应用

一、前述聚类就是对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类

层次聚类

类簇

聚类

聚类算法

原创 2022-12-30 16:46:30 133 阅读

【机器学习】--LDA初始和应用

一、前述LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中

LDA

权重

概率分布

相似度

原创 2022-12-30 16:46:21 75 阅读

【机器学习】--回归问题的数值优化

一、前述回归问题求解时梯度下降由于样本数据的多样性，往往对模型有很大的影响，所以需要对样本数据做一些优化二、归一化能力弱• 受离群...

数值优化

归一化

方差

数据

原创 2022-12-30 16:46:17 203 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

L先生AI课堂

欢迎

【机器学习】--机器学习之朴素贝叶斯从初始到应用

【机器学习】---密度聚类从初识到应用

【机器学习】--Kmeans从初识到应用

【机器学习】--线性回归中L1正则和L2正则

【机器学习】--线性回归中soft-max从初始到应用

【机器学习】---逻辑回归从初识到应用

【机器学习】--线性回归从初识到应用

【机器学习】--主成分分析PCA降维从初识到应用

【机器学习】--xgboost初始之代码实现分类

理解交叉熵作为损失函数在神经网络中的作用

【机器学习】--决策树和随机森林

【机器学习】--决策树和随机森林

【机器学习】--SVM从初始到应用

【Numpy应用】--对于图片处理的机器学习库的应用

【机器学习篇】--SVD从初始到应用

【机器学习】--集成算法从初始到应用

【机器学习】--xgboost从初识到应用

【机器学习】--时间序列算法从初识到应用

【机器学习】--Adaboost从初始到应用

【机器学习】--Python机器学习库之Numpy

【机器学习】--关联规则算法从初识到应用

【机器学习】--贝叶斯网络

【机器学习】--谱聚类从初始到应用

【机器学习】--EM算法从初识到应用

【机器学习】--FP-groupth算法从初始到应用

【机器学习】--隐含马尔科夫模型从初识到应用

【机器学习】--隐语义模型

【机器学习】--层次聚类从初识到应用

【机器学习】--LDA初始和应用

【机器学习】--回归问题的数值优化