• 老马学机器学习-08-感知机算法详解及 python 实现
  回顾 如果损失函数为误分类点个数，则该损失函数不是w和b的连续可导函数，不利于优化。 本节来看一下书中提到的超平面的概念实现。 感知机 感知机(perceptron) 是二类分类的线性分类模型， 其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。 感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面，属于判别模型、感知机学习旨在求出将训练数据进行线性划分的分...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-08-感知机算法对偶算法
  回顾 上一节，我们学习了感知机算法的基本实现。 但是，如果数据不是线性可分，即找不到一条直线能够将所有的正负样本完全分类正确，这种情况下，似乎 PLA 会永远更新迭代下去，却找不到正确的分类线。 对于线性不可分的情况，该如何使用PLA算法呢？ Pocket PLA 是什么? 首先，我们来看一下线性不可分的例子： 读取数据 实现如下： import numpy as np im...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-06-感知机算法 PLA 原理及源码实现详解
  感知机 PLA 全称是 Perceptron Linear Algorithm，即线性感知机算法，属于一种最简单的感知机（Perceptron）模型。 感知机模型是机器学习二分类问题中的一个非常简单的模型。 核心思想 它的思想很简单，就是在一个二维空间中寻找一条直线将红点和蓝点分开（图1），类比到高维空间中，感知机模型尝试寻找一个超平面，将所有二元类别分开（图2）。 不可分...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-06-PLA
  序章 机器学习的入门经典书籍有《机器学习》（西瓜书）和《统计学习方法》。 此处老马优先选择《统计学习方法》，因为基于概率的部分更加符合人的直觉，我们把神经网络部分放在统计算法之后。 当然，两本书有很多重合的地方，我们可以交叉学习。 所有理论篇前人已经总结的很好了，理论系列只做摘录，不作为原创。 四种学习形式 训练深度学习网络的方式主要有四种：监督、无监督、半监督和强化学习。 ...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-04-java 类似于 pandas 的开源库 Joinery
  Joinery Joinery 是遵循Pandas或R数据帧精神的数据帧实现。 快速开始 maven 引入 <dependency> <groupId>joinery</groupId> <artifactId>joinery-dataframe</artifactId> <version>1.9&l...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-04-java 类似于 numpy 的开源库 ND4j 简介
  序言 API 有一个非常强大之处在于，是完全可以跨语言的。 numpy 工具强大到令人赞叹，那么 java 有没有类似的开源库呢？ 答案是有的。 numpy 对应就是 ND4j。 ND4j ND4J 是Java编写的开源、分布式深度学习项目，由总部位于旧金山的商业智能和企业软件公司Skymind牵头开发。 团队成员包括数据专家、深度学习专家、Java程序员和具有一定感知力的机器...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-03-python 必备工具包简介
  必备工具包 君子生非异也，善假于物也。——《劝学》 机器学习更是如此，前人为我们整理了大量的工具，我们要学会利用这些工具，帮助我们更快更好的学习。 当然就像孙悟空去东海一样，武器五花八门，我们最好的还是找到几个趁手的工具。 这里我们介绍一个最核心的 python 工具包。 Numpy NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-02-Anaconda 安装笔记
  Anaconda Anaconda 指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 可以简单理解为 python 全家桶，包含了常见的工具包，这样就省去了我们后期安装各种依赖包。 核心组件 Anaconda 包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等 conda是一个开源的包、环境管理...
  2019-04-16 02:55:13 | ML