机器学习之聚类算法

发表于 2018-06-05 | 分类于 Machine Learning

机器学习之聚类算法(1)

1. 聚类的概念(Clustering)

1.1 聚类的概念

机器学习按照学习形式可以分为“监督学习”与“无监督学习”，在无监督学习中，训练样本的标记信息未知，即没有“标签”，需要通过对无标记训练样本的学习来揭示数据的内在性质与规律，无监督学习任务中研究最多、应用最广的是聚类。

阅读全文 »

机器学习报告补齐（包括KNN、决策树、朴素贝叶斯、logistic回归、TensorFlow、SVM）

发表于 2018-05-29 | 分类于 Machine Learning

机器学习课程报告发布（分类部分）

学期初，在自己的“对于知识的向往”和高中校友茅信的杜铭枢同学的鼓动下，报名了学校为茅院辅修大数据专业同学们开设的课程——机器学习与模式识别。课程鼓励对成果进行分享，因此在初期阶段我们进行了多次报告、课堂展示，而在课程中期，这一展示形式推广到了博客的方式。作为一个初学者，对于一些概念的掌握还十分浅显，再加之初期的doc格式报告不易转换成markdown文件，因此，此处选择转为pdf文件的形式对课程的前6次报告进行上传。过程中还有很多需要改进的地方，我也找到了进一步努力的方向。愿通过这门“戏很多”的课程，能够在数据分析、算法理解、报告撰写、课堂展示等方面有所收获。

下面按照课程要求，发布学习报告。

阅读全文 »

机器学习之线性回归与局部加权线性回归

发表于 2018-05-28 | 分类于 Machine Learning

《机器学习实战》第8章预测数值型数据：回归

不知道算是第几次接触、学习回归，如果没记错的话：大一的建模课、熊熊的数据采集处理、在弃坑Andrew Ng的网课前……一直到本次的自学。对于一些问题理解的不深刻是我一直以来的问题，这个问题主要源于我对线性代数内容的不熟悉，对理论的推导过程不熟悉等等因素。本学期机器学习课程又一次接触回归问题，希望这一次可以做一个比较完整的梳理，以备以后学习结束后及时复习、查看~

阅读全文 »