机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
决策树|极客教程

决策树

yuchen阅读(43)评论(0)赞(1)

决策树(Decision tree)由一个决策图和可能的结果(包括资源成本和风险)组成, 用来创建到达目标的规划。决策树建立并用来辅助决策,是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具,包括随机事件结果,资源代...

线性支持向量分类器(SVC)|极客教程

线性支持向量分类器(SVC)

yuchen阅读(112)评论(0)赞(0)

线性支持向量分类器(SVC),线性SVC使用一度(线性/直线)边界对数据进行分类。与非线性分类器相比,该分类器的复杂度要低得多,只适用于小型数据集。更复杂的数据集需要一个非线性分类器。 下面是线性SVC机器学习支持向量机的Python例子。...

神经网络回归|极客教程

神经网络回归

yuchen阅读(38)评论(0)赞(0)

神经网络回归(Neural Network Regression),顾名思义,神经网络的灵感来自大脑。它们形成一个由相互连接的节点组成的网络,这些节点按层排列,构成一个模型。当输入数据对于标准的机器学习方法来说太大时,神经网络被用来逼近函数...

分位数回归森林|极客教程

分位数回归森林

yuchen阅读(121)评论(0)赞(0)

分位数回归森林(Quantile Regression Forests),一般回归模型预测均值,但该算法预测数据的分布。它可以用来预测给定输入的价格分布,例如,给定一些属性,汽车价格分布的第25和75百分位是多少。 大多数预测器在预测期间返...

多项式回归|极客教程

多项式回归

yuchen阅读(106)评论(0)赞(0)

多项式回归(Polynomial Regression),多项式回归与线性回归的概念相同,只是它使用的是曲线而不是直线(线性回归使用的是直线)。多项式回归学习更多的参数来绘制非线性回归曲线。对于不能用直线概括的数据,它是有益的。多项式回归是...

支持向量机 (SVM)(二)-Kernel SVM|极客教程

支持向量机 (SVM)(二)-Kernel SVM

yuchen阅读(103)评论(0)赞(0)

支持向量机 (SVM)(二)-Kernel SVM,在前一节中,我们了解了如何使用简单的SVM算法来寻找线性可分数据的决策边界。然而,对于非线性可分数据,如下图1所示,直线不能作为决策边界。 图1:非线性可分数据 对于非线性可分数据,不能使...

支持向量机 (SVM)|极客教程

支持向量机 (SVM)

yuchen阅读(81)评论(0)赞(0)

支持向量机 (SVM),SVM是一种分类回归算法。它的工作原理是识别一个超平面,该平面将数据中的类分隔开。超平面是一个几何实体,它的维数比周围的空间小1。 如果要求SVM对一个二维数据集进行分类,它会用一个一维的超空间(一条线)进行分类,三...

强化学习|极客教程

强化学习

yuchen阅读(75)评论(0)赞(0)

强化学习(Reinforcement learning),机器学习的一个领域。它是关于在特定的情况下,采取适当的行动来最大化回报。它被各种软件和机器所利用,以找到在特定情况下应该采取的最佳行为或路径。强化学习不同于监督学习,在监督学习中,训...

机器学习中的数据介绍|极客教程

机器学习中的数据介绍

yuchen阅读(46)评论(0)赞(0)

机器学习中的数据介绍,数据分为3种层次: 数据:它可以是任何未经处理的事实、值、文本、声音或图片,没有被解释和分析。数据是所有数据分析、机器学习和人工智能中最重要的部分。没有数据,我们就无法训练任何模型,所有的现代研究和自动化都将付诸东流。...

朴素贝叶斯|极客教程

朴素贝叶斯

yuchen阅读(64)评论(0)赞(0)

朴素贝叶斯方法是一组基于贝叶斯定理的有监督学习算法,其“朴素”假设是给定类变量值的每一对特征之间存在条件独立性。贝叶斯定理给出了给定的类变量与依赖特征向量x_1到x_n之间的关系: P(y \mid x_1, \dots, x_n) = \...

赞助商