按产品、主题或内容类型过滤

(0 产品)

(55 主题)

(0 行业)

(2 类别)

第 1 - 7 条,共 7 条
显示内容简介 | 隐藏内容简介
查看结果
题目 none 类别 none 日期 none
机器学习之手把手实现,第 7 部分: 手把手教你实现一个高斯混合模型
本文将介绍高斯混合模型,主要被用来聚类,它和 K -means 一 样都用到了E M(即期望最大)的思想。由于其理论上可以逼近任意的概率分布,高斯混合被广泛使用。本文您将看到高斯混合的概念,高斯混合的推导过程以及如何利用 EM 算法求解高斯混合的参数。通过阅读本文,您会对高斯混合的原理了如指掌,并可以自己开发出高斯混合的实现代码。
技术文章 2018年 06月 28日
机器学习之手把手实现,第 6 部分: 手把手教你实现一个 AdaBoost
本文将介绍 AdaBoost 模型,即自适应提升,它既可以用来分类也可以用来回归。由于其“三个臭皮匠顶个诸葛亮”的理念,AdaBoost 被认为是机器学习领域有力的算法之一。本文您将看到弱分类器,强分类器的概念,以及如何利用上一轮弱分类器的错误率改变样本权重,并用于新一轮弱分类器的训练中。通过阅读本文,您会对 AdaBoost 的原理了如指掌,并可以自己开发出 AdaBoost 的实现代码。
技术文章 2018年 01月 31日
机器学习之手把手实现,第 5 部分: 机器学习系列之手把手教你实现一个分类回归树
本文将介绍 CART 模型,即分类回归树,它既可以用来分类也可以用来回归。由于树形结构的易解释性和分类回归树的二分理念,CART 树被广泛使用。本文您将看到二分、基尼指数及平方误差的概念、分类回归树的算法过程以及实现细节。通过阅读本文,您会对 CART 树的原理了如指掌,并可以自己开发出 CART 树的实现代码。
技术文章 2018年 01月 22日
机器学习之手把手实现,第 4 部分: 机器学习系列之手把手教你实现一个决策树
本文将介绍机器学习领域经典的决策树模型,它利用了信息熵增益、信息增益比等方法划分数据。在数据分析领域,决策树主要用来对数据进行分类。由于其极强的可解释性,决策树被业界广泛使用。本文您将看到 ID3 和 C4.5 决策树的简介和优缺点、ID3 和 C4.5 决策树实现步骤和详解、ID3 和 C4.5 决策树实现代码以及用决策树解决实际的分类问题。通过阅读本文,您会对决策树的原理了如指掌,并可以自己开发出 ID3 和 C4.5 决策树的实现代码。
技术文章 2018年 01月 15日
机器学习之手把手实现,第 3 部分: 机器学习系列之手把手教你实现一个 naiveBayes
本文将介绍机器学习领域经典的 naiveBayes 模型,即朴素贝叶斯模型,它是业界用来进行文本分类的典型算法。与决策树、SVM 模型等不同的是,朴素贝叶斯不需要针对目标变量训练出用于决断的模型,而是利用贝叶斯公式将概率值大的那个类输出为所属类别。在本文您将看到朴素贝叶斯的应用场景及优缺点、朴素贝叶斯的详细原理、用朴素贝叶斯实现文本分类的步骤、以及自己如何动手实现朴素贝叶斯。通过阅读本文,您会对朴素贝叶斯的原理和实现了如指掌,轻松实现一个朴素贝叶斯模型。
技术文章 2018年 01月 09日
机器学习之手把手实现,第 1 部分: 支持向量机的原理和实现
本文将介绍机器学习领域经典的支持向量机 SVM 模型,它利用了软间隔最大化、拉格朗日对偶、凸优化、核函数、序列最小优化等方法。支持向量机既可以解决线性可分的分类问题,也可完美解决线性不可分问题。您将看到 SVM 的原理介绍、SVM 实现步骤和详解、SVM 实现代码以及用 SVM 解决实际的分类问题。通过阅读本文,您会对 SVM 的原理了如指掌,并可以自己开发出 SVM 的实现代码。
技术文章 2017年 09月 26日
机器学习之手把手实现,第 2 部分: 频繁项集与关联规则 FP-growth 的原理和实现
本文将介绍机器学习领域经典的 FP-growth 模型,它是目前业界经典的频繁项集和关联规则挖掘的算法。相比于 Apriori 模型,FP-growth 模型只需要扫描数据库两次,极大得减少了数据读取次数并显著得提升了算法效率。您将看到 FP-growth 的原理介绍、FP-growth 实现步骤和详解、FP-growth 实现代码以及用 FP-growth 解决实际的频繁项集和关联规则挖掘问题。通过阅读本文,您会对 FP-growth 的原理了如指掌,并可以自己开发出 FP-growth 的实现代码。
技术文章 2017年 11月 21日
第 1 - 7 条,共 7 条
显示内容简介 | 隐藏内容简介