感知器与梯度下降
机器学习算法 原理、实现与实践 —— 感知机与梯度下降 一、前言 1，什么是神经网络？ 人工神经网络(ANN)又称神经网络(NN)，它是一种受生物学启发而产生的一种模拟人脑的学习系统。它通过相互连结的结点构成一个复杂的网络结构，每一个结点都具有多个输入和一个输出，并且该结点
机器学习：计算机学习西洋跳棋
西洋跳棋是一种两人棋盘游戏。玩家的棋子都是沿斜角走的。棋子可跳过敌方的棋子并吃掉它。 相关规则参考：Wiki 二、机器学习 通过让程序分析人们购物清单，来分析人们对商品的品牌、价格的偏好。 通过跟踪个人的新闻浏览，分析其兴趣爱好、并为其推荐感觉兴趣的新闻或产品。 通过对已
线性回归
记号 nn: 特征的维数 mm: 样本个数 x(i)x(i): 第[!--empirenews.page--]ii个样本，它是一个nn维的向量，表示为： 线性回归的假设函数(hypothesis function) θθ是一个(n+[!--empirenews.page--]1)×1(n+1)×1的向量 xx加了一项x0=1x0=1 损失函数(
Logistic回归
假设表示 S形功能或逻辑功能： 假设函数： 这是什么意思？ 概率y = 1，给出x，由θ参数化 成本函数 向量化表示： 梯度 综合上两式： 向量化表示 当j=0时 当j≠0时 #!/usr/bin/env python2 # -*- coding: utf-8 -*- """ Created on Fri May 13 17:23:29 2016 @au
MDS（multidimensional scaling）多维尺度分析
大家一般想到降维，就自然想到一种方法PCA，其实还有一种方法MDS（multidimensional scaling），可以获得样本间的相似性的空间表达。 先说说这两种方法的相似处，PCA是把观察的数据用较少的维数来表达，这点上两种方法的相似的；两种方法的不太之处在于，MDS利用的是成对样本间相似性，目的是利用这个
Waffles——机器学习开发包
Waffles是一款跨平台的、基于命令行的机器学习开发包，包含了现有的主要机器学习算法，完全开源，用C++编写，使用方便。 该工具包的强大之处非常多，很重要的一个方面就是其在非监督学习方面的包罗万象，特别是降维算法，实现了PCA、isomap、LLE、manifold sculpting、breadth-first unfolding
waffles机器学习包——概述及安装
我也是刚接触到这个开发包，这个开发包也就十几个人写的，有人问我OpenCV里也有ml的部分，如何比较，我感觉这个都是设计的关注点不同，设计的思路当然也不同，用处也不同，我最近在看ml的算法部分，我感觉这个库还是对我的学习有很大帮助的。 先介绍一下这个库的概述吧 waffles_audio包含了处理音
ML 03、机器学习的三要素
机器学习算法原理、实现与实践——机器学习的三要素 1 模型 在监督学习中，模型就是所要学习的条件概率分布或决策函数。模型的假设空间包含所有可能的条件概率分布或决策函数。例如，假设决策函数是输入变量的线性函数，那么模型的假设空间就是这些线性函数构成的函数的
