【人工智能】机器学习入门之监督学习（一）有监督学习
简介监督学习算法是常见算法之一，主要分为有监督学习和无监督学习。本文主要记录了有监督学习中的分类算法和回归算法，其中回归算法是本文最主要内容。本笔记对应视频：阿里云开发者社区学习中心-人工智能学习路线-阶段1：机器学习概览及常见算法对应视频地址：https://developer.aliyun.co...
Python机器学习（基础篇---监督学习（支持向量机））
支持向量机（分类）支持向量机分类器根据训练样本的分布，搜索所有可能的线性分类器中最佳的那个。我们会发现决定其直线位置的样本并不是所有训练数据，而是其中的两个空间间隔最小的两个不同类别的数据点，而我们把这种可以用来真正帮助决策最优线性分类模型的数据点叫做‘支持向量’。逻辑斯蒂回归模型在训练过程中由于考...
Python机器学习基础教程-第2章-监督学习之K近邻
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
人工智能算法一&无监督学习（Kmeas聚类）
简介 在前面介绍的线性回归还有逻辑回归它们都是知道x,y然后开始训练模型，这也就是有监督学习的情况，还有如果只是知道x不知道y的情况那么这种就是无监督学习。 描述 需求引入，如果有一千万用户，我们要对用户进行分类。这里由于没有标注y，也就是只知道x的情况然后进行分类，典型的无监督学习。 示例 下面...
Python机器学习基础教程-第2章-监督学习之决策树集成
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
Python机器学习基础教程-第2章-监督学习之决策树
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
Deep Belief Network简介——本质上是在做逐层无监督学习，每次学习一层网络结构再逐步加深网络
from：http://www.cnblogs.com/kemaswill/p/3266026.html1. 多层神经网络存在的问题常用的神经网络模型, 一般只包含输入层, 输出层和一个隐藏层：理论上来说, 隐藏层越多, 模型的表达能力应该越强。但是, 当隐藏层数多于一层时, 如果我们使用随机值来初...
MXNET：监督学习
线性回归给定一个数据点集合X和对应的目标值y，线性模型的目标就是找到一条使用向量w和位移b描述的线，来尽可能地近似每个样本X[i]和y[i]。数学公式表示为\(\hat{y}=Xw+b\)目标函数是最小化所有点的平方误差\(\sum_{i=1}^{n}(\hat{y_i}-y_i)^2\)⼀个神经⽹...
《机器学习实战》学习笔记-[14]-无监督学习-利用二分K-均值聚类对未标注数据分组
《机器学习实战》学习笔记-[14]-无监督学习-利用二分K-均值聚类对未标注数据分组一、基础（1）二分K-均值（bisectingK-Means）可以一定程度上克服K-均值收敛于局部最小值的问题，算法原理如下：首先，将所有点看作一个簇，然后将该簇二分，之后选择其中一个簇继续划分，选择哪个簇进行划分取...
『cs231n』无监督学习
经典无监督学习聚类K均值PCA主成分分析等深度学习下的无监督学习自编码器传统的基于特征学习的自编码器变种的生成式自编码器Gen网络（对抗式生成网络）传统自编码器原理类似于一个自学习式PCA，如果编码/解码器只是单层线性的话自编码器编码解码示意图：特征提取过程中甚至用到了卷积网络+relu的结构（我的...
python机器基础逻辑回归与非监督学习
这篇文章主要为大家介绍了python机器基础逻辑回归与非监督的学习讲解u，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
Python机器学习基础教程-第2章-监督学习之线性模型
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyternotebook版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python-n...