| 共 50 篇文章 |
|
其中，h(x;am)" role="presentation">h(x;am)h(x;am) 就是一个个的弱分类器，am" role="presentation">amam是弱分类器学习到的最优参数，βm" role="presentation">βmβm就是弱学习在强分类器中所占比重，P" role="presentation">PP是所有am" role="prese... 阅159 转1 评0 公众公开 19-02-15 12:02 |
Boosting中所有的弱分类器可以是不同类的分类器图示：Adaboost算法有两个权值，分别为样本权值和弱分类器权值，其主要特征就是在于样本权值的更新和弱分类器权值的更新。将样本权值被更新过的新数据集送给下层弱分类器进行训练，最后将每次训练得到的弱分类器根据弱分类器权重融合起来，从而得到强分类器。特点核心思想：每个新的弱分类器的建... 阅2655 转9 评0 公众公开 19-02-14 10:55 |
机器学习-期望风险、经验风险、结构风险。通过损失函数我们只能知道模型决策函数f(X)对于单个样本点的预测能力（借用损失函数L(Y,f(x))，损失函数越小，说明模型对于该样本预测越准确。），那么如果想知道模型f(X)对训练样本中所有的样本的预测能力应该怎么办呢？我们需要同时保证经验风险函数和模型决策函数的复杂度都达到最小化，一个简单的... 阅156 转4 评0 公众公开 18-09-14 11:52 |
agglomerative clustering 差不多就这样了，再来看 divisive clustering ，也就是自顶向下的层次聚类，这种方法并没有 agglomerative clustering 这样受关注，大概因为把一个节点分割为两个并不如把两个节点结合为一个那么简单吧，通常在需要做 hierarchical clustering 但总体的 cluster 数目又不太多的时候可以考虑这种方法，这时可以分割到... 阅59 转0 评0 公众公开 17-10-08 14:16 |
聚类算法之BIRCH（Java实现）实际上只要往树中放入一个CF（这里我们用CF作为Nonleaf、Leaf、MinCluster的统称），就要更新从Root到该叶子节点的路径上所有节点的CF值。当又有一个数据点要插入树中时，把这个点封装为一个MinCluster（这样它就有了一个CF值），把新到的数据点记为CF_new，我们拿到树的根节点的各个孩子节点的CF值，根据D2来找到C... 阅104 转0 评0 公众公开 17-10-07 23:24 |
AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。对以上步骤进行迭代，如果这些决策经过若干次迭代之后保持不变或者算法执行超过设定的迭代次数，又或者一个小区域内的关于样本点的决策经过数次迭代后保持不变，则算法结束。每条信息被设置为它前次迭代更新值的λ" role="presentation" style="position: ... 阅213 转2 评0 公众公开 17-10-07 23:24 |
之后，今年一月，DeepMind 研究员们在策略游戏研究上的成果 AlphaGo 给众多专家们留下了深刻的印象，他们的这个可以下围棋的程序在这项古老的棋盘游戏中打败了欧洲冠军。让计算机从零开始学习这类复杂游戏直到熟练到让公众惊讶的想法，DeepMind 的成功已经吸引了学术界与商业界对 DeepMind 的方法背后的人工智能领域的兴趣——这种方法是深度神... 阅96 转0 评0 公众公开 17-03-21 14:32 |
require(mxnet)train <- read.csv(''data/train.csv'', header=TRUE) test <- read.csv(''data/test.csv'', header=TRUE) train <- data.matrix(train) test <- data.matrix(test) train.x <- train[,-1] train.y <- train[,1]train.x <- t(train.x/255)test <- t(test/255)train.arr... 阅181 转1 评0 公众公开 17-01-18 10:18 |
三次指数平滑算法可以对同时含有趋势和季节性的时间序列进行预测，该算法是基于一次指数平滑和二次指数平滑算法的。一次指数平滑算法进行预测的公式为：xi+h=si，其中i为当前最后的一个数据记录的坐标，亦即预测的时间序列为一条直线，不能反映时间序列的趋势和季节性。可以看到三次指数平滑算法可以很好的保存时间序列数据的趋势和季节性信息... 阅65 转0 评0 公众公开 17-01-12 13:49 |
分类模型是通过训练数据建立预测模型，并利用模型将需要预测的数据样本划分到已知的几个类别中的过程。聚类模型与分类模型的不同点在于，聚类模型要求所划分的类是未知的。1. 二分类模型评价指标。分类模型的评价指标主要基于混淆矩阵，下面将介绍二分类模型和多分类模型的性能评价指标。AUC = 0.5: 说明模型与偶然造成的结果效果差不多AUC <... 阅286 转0 评0 公众公开 17-01-10 17:26 |
