机器学习是人工智能的一个分支,包括从数据中自动创建模型的算法。从高层次上讲,机器学习有四种:监督学习、无监督学习、强化学习和主动机器学习。由于强化学习和主动机器学习相对较新,因此此类列表有时会省略它们。由于强化学习和主动机器学习相对较新,因此此类列表有时会省略它们。你也可以把半监督学习添加到列表中, ...
转载
2021-10-18 10:39:00
134阅读
2评论
KNN k临近算法遍历所有训练样本，求距离最近的点的结论，作为最后的预测结果MR版：map求样本距离（key：样本，value：距离），combine求的最小值，是过滤功能，reduce就有一个求得距离最小值 贝叶斯：贝叶斯定理公式：P(A|B)=P(B|A)*P(A)/P(B)贝叶斯将在属性条件下的结论的概率转为：在结论条件下属性的概率的乘积*结论的概率求得样本属性的在结论上的出现次数
原创
2023-04-21 07:06:34
151阅读
1.决策树算法 决策树是一种树形分类结构，一棵决策树由内部结点和叶子结点构成，内部结点代表一个属性（或者一组属性），该结点的孩子代表这个属性的不同取 值；叶子结点表示一个类标。决策树保证每一个实例都能被一条从根结点到叶子结点的路径覆盖，叶子结点就是这条实例对应的类别，遍历这条路径的过程就是对这 条...
转载
2015-12-11 19:05:00
77阅读
2评论
机器学习常见问题分为 分类、聚类、回归、标注分类算法有：id3决策树、朴素贝叶斯、knn、svm、bp神经网络、logistic regressio
原创
2023-07-11 00:16:06
21阅读
“机器学习/深度学习方法“系列，我本着开放与共享（open and share）的精神撰写，目的是让很多其它的人了解机器学习的概念，
转载
2015-05-15 15:43:00
63阅读
# 了解 Scikit-Learn 中的机器学习方法
在现代数据科学中，机器学习已成为一个重要领域。Scikit-Learn 是 Python 中一个非常流行的机器学习库，它提供了多种机器学习算法和工具，可以方便地进行模型训练和评估。本文将为初学者提供一份关于如何使用 Scikit-Learn 进行机器学习的入门指南，帮助你了解整体流程、每一步的具体操作及代码示例。
## 整体流程
首先，让
Python语法简单，功能多样，是开发人员最喜爱的AI开发编程语言之一。 对于开发人员来说，Python在机器学习上的应用非常令人高兴，因为它比C ++和Java等语言要简单。 Python也是一种非常便携的语言，因为它可以在Linux，Windows，Mac OS和UNIX平台上使用。 Python也很受开发人员的欢迎，因为它允许开发人员创建交互式，可解释式性，模块化，动态，可移植和高级的代码，
转载
2023-06-19 21:30:04
151阅读
统计学习包括监督学习、非监督学习、半监督学习及强化学习。本书主要讨论监督学
习问题。
监督学习（supervised learning）的任务是学习一个模型，使模型能够对任意给定的输
入，对其相应的输出做出一个好的预测（注意，这里的输入、输出是指某个系统的输入与
输出，与学习的输入与输出不同）。计算机的基本操作就是给定一个输入产生一个输出，
所以监督学习是极其重要的统计学习分支，也是统计学习中内容
简介 统计学习，或者说机器学习的方法主要由监督学习、无监督学习和强化学习组成（它们是并列的，都属于统计学习方法）。 统计学习方法要素 1、假设数据独立同分布。（同数据源的不同样本之间相互独立） 2*、假设要学习的模型属于某个函数的集合，称为假设空间。（你确定了这个函数的样式，就是假设空间，但是函数里
原创
2022-01-14 16:51:50
367阅读
模型简介灰色模型 (grey models) 是通过少量的,不完全的信息，建立灰色微分预测模型，对事物发展作出长期性的描述。与灰色模型相对应的预测方法有回归分析等，但这些预测方法需要较大的样本，如果样本数量过少会造成误差较大，使得预测失效，因此，在小规模数据时，灰色模型所需信息少，精度高，成为建模中重要的预测手段。灰色系统信息不完全的系统称为灰色系统，与之对应的是，信息完全的系统称为白色系统，信息
机器学习方法有哪些？分类问题回归问题聚类问题机器学习模型评估 分类问题有哪些？决策树朴素贝叶斯支持向量机逻辑回归集成学习 回归问题有哪些？线性回归Lasson回归岭回归 聚类问题有哪些？K-means聚类密度聚类层次聚类
原创
2022-04-23 20:28:42
554阅读
点赞
# XBG属于什么机器学习方法
## 介绍
XBG是一种机器学习方法，全称为eXtreme Gradient Boosting，是一种集成学习算法。XBG是在Gradient Boosting算法基础上发展而来的，其主要特点是在训练过程中通过迭代的方式不断优化模型性能，使得模型在预测准确性和泛化能力方面都有所提升。
## XBG的原理
XBG的原理主要包括以下几个步骤：
1. 初始化模型。首先
# 机器学习方法 李航 PDF 简介
## 一、引言
随着人工智能的发展，机器学习作为一种重要的技术手段，受到越来越多的关注。而李航的《统计学习方法》（PDF版）是一本经典的机器学习教材，被广泛应用于教学和实践中。本文将介绍该书的主要内容，并结合代码示例进行解释，帮助读者更好地理解机器学习方法。
## 二、主要内容
《统计学习方法》一书介绍了统计学习的基本概念、方法和应用。其中包括监督学习
1：什么是机器阅读理解任务 机器阅读理解任务类似英文的阅读理解题型，输入：篇章P和问题Q，输出：答案A的过程。2：机器阅读理解任务类型 机器阅读理解任务主要包含四种类型：选择型、填空型、抽取型、生成型。填空型阅读理解任务 在该类型的任务中，给定一段文本并移除其中若干词或者实体作为问题，模型需要在被删除的位置填入正确答案。部分数据集提供了候选答案，而另外一些数据集则未提供，只能从上下文中寻找。 数据
各位同学上一节课我们讲解了over-fitting，under-fitting的概念，我们也讲了，怎么检测over-fitting，under-fitting以及怎么减少over-fitting，under-fitting？其中最主要针对的是over-fitting这个概念，我们这节课来讲一下，通过Train-Val-Test可以检测出，是不是over-fitting？ 让我们回顾一下上一节课中间
9.1 复杂数据的局部性建模第3章使用决策树来进行分类。决策树不断将数据切分成小数据集，直到所有目标变量完全相 同 ，或者数据不能再切分为止。决策树是一种贪心算法，它要在给定时间内做出最佳选择，但并不关心能否达到全局最优。树回归优点：可以对复杂和非线性的数据建模。 缺点：结果不易理解。 适用数据类型：数值型和标称型数据。第3章使用的树构建算法是ID3。ID3的做法是每次选取当前最佳的特征来分割
统计学习(statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科． 统计学习也称为统计机器学习(statistical machine learning). 统计学习的主要特点是: (1）统计学习以计算机及网络为平台，是建立在计算机及网 ...
转载
2021-11-02 10:13:00
729阅读
2评论
有正确的label如图：有两个维度x1和x2，这里的1和2代
原创
2022-06-12 00:00:11
618阅读
点赞
感知机原理分析及 pytorch 代码实现
原创
2022-11-22 10:45:37
171阅读
# 多项式分布机器学习方法实现
## 引言
在机器学习领域中，多项式分布是一种常用的概率分布模型。它广泛应用于分类问题，特别是在文本分类、图像分类等领域中。本文将为刚入行的小白介绍多项式分布机器学习方法的实现过程和步骤，并提供相应的代码示例。
## 流程图
```mermaid
flowchart TD
A[收集数据] --> B[数据预处理]
B --> C[特征提取]
