博客
共
47
篇
深度学习入门02---神经网络基础
对于感知机，面对复杂的函数，感知机也隐含着能够表示它的可能性。即便是计算机进行的复杂处理，感知机（理论上）也可以将其表示出来。但是，设定权重的工作，即确定合适的、能符合预期的输入与输出的权重，现在还是由人工进行的。神经网络的出现就是为了解决这个的坏消息。......
机器学习手册08---特征工程（特征降维篇）
降维实际上就是降低特征的个数，最终的结果就是特征和特征之间不相关。降维是指在某些限定条件下，降低随机变量（特征）个数，得到一组“不相关”主变量的过程。......
机器学习手册08---特征工程（特征提取篇）
特征提取涉及到从原始属性中自动生成一些新的特征集的一系列算法，降维算法就属于这一类。特征提取是一个自动将观测值降维到一个足够建模的小数据集的过程。对于列表数据，可使用的方法包括一些投影方法，像主成分分析和无监督聚类算法。对于图形数据，可能包括一些直线检测和边缘检测，对于不同领域有各自的方法。......
机器学习手册07---线性回归
线性回归是机器学习中最简单的有监督学习算法之一，事实上，由于它非常简单，有时，甚至不会认为是机器学习的一部分。无论你是否相信，当目标向量是数值(如：房价)时，线性回归及其扩展一直是常见且有效的预测方法......
