ML学习笔记 #10 K-Means 聚类「机器学习」课程笔记,本文首次引入了聚类问题,介绍了 K-Means 算法的基本内容,包括:步骤、优化目标、选取簇数 K 等,还介绍了改进 K-Means 的衍生算法。含代码实现。 2022-02-25 学习笔记 > 机器学习 #ML
ML学习笔记 #09 支持向量机「机器学习」课程笔记,本文介绍支持向量机(SVM)的基本内容,包括:优化目标、大间隔思想及其几何理解、软硬间隔、核函数等,通过对偶问题转化、KKT 条件简要证明了线性 SVM 的通解。 2022-02-16 学习笔记 > 机器学习 #ML
ML学习笔记 #08 数据集划分与误差分析「机器学习」课程笔记,本文介绍常用的机器学习诊断法,包括数据集划分、绘制学习曲线,利用混淆矩阵进行误差分析、计算精确率、召回率、F1-Score 等。 2022-02-10 学习笔记 > 机器学习 #ML
ML学习笔记 #07 神经网络:反向传播「机器学习」课程笔记,本文介绍基础神经网络模型的代价函数、BP反向传播算法的数学推导及神经网络模型的完整步骤。含代码实现,包括梯度检验、随机初始化等。含代码实现。 2022-02-06 学习笔记 > 机器学习 #ML
ML学习笔记 #06 神经网络基础「机器学习」课程笔记,本文介绍基础的神经网络模型及其组成要素,以逻辑门为例展示了神经网络的作用,最后介绍如何利用神经网络解决多分类问题。含代码实现。 2022-01-12 学习笔记 > 机器学习 #ML
ML学习笔记 #05 过拟合与正则化「机器学习」课程笔记,本文介绍机器学习中常见的过拟合现象,以及正则化方法的原理、在线性回归和逻辑回归中的推导和应用。含代码实现。 2022-01-09 学习笔记 > 机器学习 #ML
ML学习笔记 #04 逻辑回归:二分类到多分类「机器学习」课程笔记,本文介绍逻辑回归在二分类、多分类问题中的应用,介绍了逻辑回归的 sigmoid 假设函数、代价函数及其数学推导,首次引入决策边界。含代码实现。 2022-01-05 学习笔记 > 机器学习 #ML
PR学习笔记 #5 判别式 vs. 生成式「模式识别」课程笔记,本文介绍两个经常提及并对比的概念:判别式模型与生成式模型,并分析两者的异同之处,将常用机器学习算法归类。 2021-11-09 学习笔记 > 模式识别 #ML #PR
PR学习笔记 #4 概率密度:非参数估计「模式识别」课程笔记,本文介绍了在概率密度分布的形式不典型时,需要用到的非参数估计方法:Parzen 窗法、KNN 法。 2021-10-20 学习笔记 > 模式识别 #ML #PR