Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
statsmodels.tsa.stattools.adfuller 的用法
statsmodels tsa stattools adfuller x maxlag None regression c autolag AIC store False regresults False source 增广Dickey F
ML
周志华《Machine Learning》学习笔记(17)--强化学习
上篇主要介绍了概率图模型 首先从生成式模型与判别式模型的定义出发 引出了概率图模型的基本概念 即利用图结构来表达变量之间的依赖关系 接着分别介绍了隐马尔可夫模型 马尔可夫随机场 条件随机场 精确推断方法以及LDA话题模型 HMM主要围绕着评
ML
机器学习
强化学习
蒙特卡罗
alphago原理
到现在才理解高斯分布的均值与方差为什么是0和1
问题的来源 如图所示 为什么标准正态分布的期望值0 方差为1呢 如果是针对x变量 期望值为0可以理解 那么方差为1怎么理解呢 显然不可能为1 如果针对y变量 显然所有值都大于0 怎么会期望值会大于0呢 先看数学期望的定义 期望值本身是对所有
ML
单变量线性回归实现波士顿房价预测
1 预测过程 1 波士顿地区房价数据获取 数据来自于sklearn自带数据集 2 波士顿地区房价数据分割 3 训练与测试数据标准化处理 4 使用最简单的线性回归模型LinearRegression对房价进行预测 2 回归算法的评价指标有MS
ML
线性回归实现波士顿房价预测
ML-机器学习实践
目录 超参数选择 Gride Search Random Search 相关库 几种参数估计的区别与联系 MLE MAP 贝叶斯TODO 余弦相似度 cos距离 与欧式距离的区别和联系 1 区别 2 联系 归一化 标准化 混淆矩阵 模型度量
ML
【论文阅读】Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics
1 背景 目前 很多应用中都因为用了多任务取得了不错的效果 那么如何将这些任务的loss有机组合在一起 一种简答粗暴方法就是手动调节多任务之间的loss的相对权重 然后加和 如下 这种方式把权重作为超参调试的方式 往往耗时耗力 本文参考 1
ML
Ubuntu
Linux
运维
kmeans总结
1 关于分类和聚类 kmeans属于聚类算法中的一种 分类和聚类是不同的概念 虽然两者的目的都是对数据进行分类 但是却有一定的区别 分类是按照某种标准给对象贴标签 再根据标签来区分归类 聚类是事先没有给出标签 刚开始并不知道如何对数据分类
python
MATLAB
ML
算法
数据
朴素贝叶斯解决天气问题
朴素贝叶斯是一种基于贝叶斯定理的分类方法 该算法是有监督的学习算法 解决分类问题 在该算法中 我们假设给定目标值时 属性之间相互条件独立 即 贝叶斯定理 对于分类问题 样本x属于类别y的概率 其中 P y 是指未使用数据训练分类器之前的y的
ML
graphviz安装及使用、决策树生成
一 graphviz下载安装 下载网址 http www graphviz org download 选择合适版本下载 1 1 双击安装 1 2 点击下一步 1 3 点击我接受 1 4 添加至系统路径 勾选添加至当前用户的系统路径 创建桌面
ML
python
graphviz
决策树
sklearn
【机器学习】KNN算法介绍及py实现(详细代码,通俗易懂)
KNN算法 K Nearest Neighbors 目标 看完这篇博客你将学会 用KNN算法来对数据进行分类 在这里 我们将用knn对一个顾客数据集进行分类 不过什么是knn呢 什么是K Nearest Neighbors 直观翻译就是k个
ML
机器学习
算法
python
Pytorch 入门 ----学习笔记
本文是在参加DataWhale开源组队学习 深入浅出Pytorch 过程中 整理的学习笔记 Pytorch 基础知识 张量 张量的创建 张量 也叫做多维数组 常常我们对于一维张量也叫做标量 二位张量叫做矩阵 大部分时候 张量是三维及三维以上
ML
Pytorch
低秩矩阵(矩阵填充)-图像修复、协同过滤
转载自 https blog csdn net manduner article details 80564414 一 矩阵填补 Matrix Completion 矩阵填补的应用很广泛 论文 Matrix completion by de
ML
逻辑回归、激活函数sigmoid、损失及优化、案例代码实现
一 逻辑回归 逻辑回归 Logistic Regression 是机器学习中的一种分类模型 是一种分类算法 与回归之间有一定的联系 由于算法的简单和高效 在实际中应用非常广泛 应用场景 广告点击率 是否为垃圾邮件 是否患病 金融诈骗 虚假账
ML
逻辑回归
python
pandas
数据分析
代价函数
一 什么是代价函数 我在网上找了很长时间代价函数的定义 但是准确定义并没有 我理解的代价函数就是用于找到最优解的目的函数 这也是代价函数的作用 二 代价函数作用原理 对于回归问题 我们需要求出代价函数来求解最优解 常用的是平方误差代价函数
ml学习笔记
代价函数
ML
机器学习
线性回归
线性回归线性关系、非线性关系、常见函数导数、损失函数与优化算法、正规方程与单变量函数梯度下降、多变量函数梯度下降
一 线性回归概述 线性回归 Linear regression 是利用回归方程 函数 对一个或多个自变量 特征值 和因变量 目标值 之间关系进行建模的一种分析方式 特点 只有一个自变量的情况称为单变量回归 多于一个自变量情况的叫做多元回归
ML
人工智能
算法
线性回归
回归
周志华《Machine Learning》学习笔记(9)--EM算法
上篇主要介绍了贝叶斯分类器 从贝叶斯公式到贝叶斯决策论 再到通过极大似然法估计类条件概率 贝叶斯分类器的训练就是参数估计的过程 朴素贝叶斯则是 属性条件独立性假设 下的特例 它避免了假设属性联合分布过于经验性和训练集不足引起参数估计较大偏差
ML
算法
机器学习
数据挖掘
周志华
python或anaconda下安装opencv提示Error:No matching distribution found for opencv
python或anaconda下安装opencv提示Error No matching distribution found for opencv 错误提示 ERROR Could not find a version that satis
ML
python
annaconda
opencv
ML-机器学习基础
目录 偏差与方差 导致偏差和方差的原因 深度学习中的偏差与方差 生成模型与判别模型 两者之间的联系 优缺点 常见模型 先验概率与后验概率 偏差与方差 偏差与方差分别是用于衡量一个模型泛化误差的两个方面 模型的偏差 指的是模型预测的期望值与真
ML
【机器学习杂烩】投票(Voting)算法在分类问题上的应用(一口气实现Logistic 回归、SVM、KNN、C4.5 决策树、 Adaboost、GBDT 和随机森林,并集成起来)
投票算法简介 投票是在分类算法中广泛运用的集成学习算法之一 投票主要有硬投票和软投票 两种 硬投票即各基分类器权重相同的投票 其原理为多数投票原则 如果基分类器 的某一分类结果超过半数 则集成算法选择该结果 若无半数结果则无输出 软投票 的
ML
数学建模
支持向量机
python
逻辑回归
卷积过程的一个动态图很形象
卷积神经网络的卷积过程
ML
Deep Learning
python
卷积神经网络
«
1
2
3
4
»