原创 機器學習系列-數據歸一化和數據處理
數據歸一化 數據歸一化的原因：在實際應用中，樣本的不同特徵的單位不同，會在求距離時造成很大的影響。比如：在兩個樣本中腫瘤大小的分別爲1cm和5cm，發現時間分別爲100天和200天，那麼在求距離時，時間差爲100、大小差爲4，那麼其結果
2020-07-02 13:00:13
1
原创 機器學習系列-線性迴歸學習
簡單線性迴歸 kNN算法屬於分類(Classification)，即label爲離散的類別型(categorical variable)，如：顏色類別、手機品牌、是否患病等。 而簡單線性迴歸是屬於迴歸(regression)，即label
2020-07-02 13:00:13
原创 機器學習系列-K-Means算法
3.K-Means 介紹 K-Means ：最爲經典的基於劃分的聚類方法，是十大經典數據挖掘算法之一。 基本思想：以空間中k個點爲中心進行聚類，對最靠近他們的對象歸類。通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。 3.
2020-07-02 13:00:12
原创 機器學習系列-梯度下降
梯度下降介紹 梯度介紹： 在微積分裏面，對多元函數的參數求∂偏導數，把求得的各個參數的偏導數以向量的形式寫出來，就是梯度。比如函數f(x,y), 分別對x,y求偏導數，求得的梯度向量就是(∂f/∂x, ∂f/∂y)T,簡稱grad f(x
2020-07-02 13:00:12
原创 機器學習系列-數據拆分和結果評價
1.數據集分類 機器學習中的數據分爲訓練數據集、驗證數據集和測試數據集。 通常，在訓練有監督的機器學習模型的時候，會將數據劃分爲訓練集、驗證集合測試集，劃分比例一般爲0.6:0.2:0.2。對原始數據進行三個集合的劃分，是爲了能夠選出效果
2020-07-02 13:00:12
5
原创 機器學習系列-KNN
簡單概述：k-近鄰算法採用測量不同特徵值之間的距離方法進行分類。 k-近鄰算法的一般流程 對未知類別屬性的數據集中的每個點依次執行以下操作： (1)計算已知類別數據集中的點與當前點之間的距離； (2)按照距離遞增次序排序； (3)選取與當
2020-07-02 13:00:12
原创 機器學習系列-邏輯迴歸學習
邏輯迴歸介紹 邏輯迴歸假設數據服從伯努利分佈，通過極大似然函數的方法，運用梯度下降來求解參數，來達到將數據二分類的目的。 邏輯迴歸（Logistic Regression）是一種用於解決二分類（0 or 1）問題的機器學習方法，用於估計某
2020-02-23 20:31:08