序言
最近迷上了吉他,当然不是指那种一周速成的把妹弹唱啦。为了防止大家对吉他有一种特别简单,把妹专用道具的奇怪印象。特别提一个小知识,古典吉他在世界公认的十大难学的乐器中排第三,顺便一提,钢琴排第五。
最近迷上了吉他,当然不是指那种一周速成的把妹弹唱啦。为了防止大家对吉他有一种特别简单,把妹专用道具的奇怪印象。特别提一个小知识,古典吉他在世界公认的十大难学的乐器中排第三,顺便一提,钢琴排第五。
在之前我们介绍了线性回归算法以及其变种,LASSO回归、Ridge回归。他们是从减少过拟合的角度出发而得到的算法,而 SVM(支持向量机)则是优化原本线性回归算法中选择“分割线”,或者说选择分割超平面这样一个过程。
只有四步:
username.github.io
结尾。YourGithubName.github.io
_config.yaml
中更改个人信息,同时把_posts
中的文章都删了,注意别人的文章格式,之后仿照对方的格式写即可。YourGithubName.github.io
就能在晚上看到自己的博客啦。决策树的剪枝是决策树算法中最基本、最有用的一种优化方案,分为以下两类:
在巴菲特看来,真正富有的人生应该是这样的:做一份自己喜欢的工作,找到兴趣相投的朋友。只要能做到这些,你的人生也一样是成功的。 正如巴菲特的总结,做一个自己能感到自己价值的工作,找到能互相认可的人也许才是人生的最大意义。在努力的做自己的喜欢的工作的时候才能更容因进入”专注“的境界。而兴趣相投的朋友则会让你的生活变得丰富,人说到底还是群居的动物,社交是必要的也是维持正常心理所必须要的要素。
在机器学习02(回归算法上)中我们介绍了普通最小二乘线性回归算法,并进行了较为详细的推导,同时通过分析其过拟合的问题,推导出了另外三个算法,Ridge回归算法,LASSO回归算法,以及弹性网络。并简要的分析了他们的优缺点。今天我们来接着介绍算法。为什么说是算法而不是回归算法呢,是因为在研究了逻辑回归和Softmax回归算法以后,惊讶的发现这两个算法是分类算法,所以这个回归算法下的说法就不是很严谨了。
在序章中我们提到了,机器学习的本质就是一个分类器,对给出的数据进行有价值的分类。 具体的机器学习算法的分类分为,监督学习和无监督学习两种。而在监督渡学习中,我们以分类的类别是否是离散的,分为两种分类方式,分别是分类和回归。即,分类后是有一定的,像水果的分类,苹果,梨,橘子等等这样确定的分类的是分类,而分类后的预测结果是一个连续的数值则是回归。在这篇文章中,我们说的回归算法便是监督算法中的回归算法。
机器学习&人工智能&深度学习,这三个是现在经常听到的词语。一旦提到了这些都会给人一种高大上的感觉,感觉会是一种很难学会的技术。表示在下血本(突然脑抽)的情况下,剁手买了1w多的数据挖掘的网课,目前正在学习它,希望能在学习完成后揭开机器学习的面纱,争取让每个读我的博客的人都能对机器学习有一个较为全面的概念。