感知器基础

假设集 一般算法 口袋算法 MATLAB 程序 function [w, update_times] = my_perceptron(x, y, eta) % 基本的感知器算法,在没有错分样本时停止 % x 输入 x向量 % y 输入 y向量 % eta 输入 w <- w + eta*yt*xt % w 输出 权重 % update_times 输出 w更新次数 % 初始化参数和变量 [dataSetSize, xSize] = size(x); w = zeros(xSize,… 阅读全文

机器学习的类别

监督学习 从训练资料中学到或者建立一个模式,并依此模式推测新的实例。训练资料是由输入数据和预期输出数据组成。模式的输出可以是一个连续的值(称为回归分析)或者分类标签(称为分类)。 非监督学习 没有给定事先标记过的训练示例,自动对输入的数据进行分类或分群。 强化学习 智能体以“试错”的方式进行学习,通过与环境进行交互获得的奖赏指导行为,目标… 阅读全文

什么是机器学习?

什么是机器学习? 假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T任务上获得了性能改善,则我们就说关于T和P,程序对E进行了学习。 上图中,数据是经验E的来源,能力表示在任务T上的性能改善,机器学习利用从数据中计算得来的经验E来改善任务T上的性能(由P评估)。 什么时候使用机器学习(机器学习的要素)? 存在一些可被学习的模式 模式无法通过编程定义 存在足够的关于这个模式的数据… 阅读全文

k-近邻算法

k-近邻算法(kNN)采用测量不同特征值之间的距离方法进行分类。 数据范围 数值型和标称型。 优点 精度高、对异常值不敏感、无数据输入假定。 缺点 计算复杂度高、空间复杂度高。 一般流程 收集数据。 准备数据:格式化数据格式、归一化。 分析数据。 训练算法:不适用于k-近邻算法。 测试算法:计算错误率。 使用算法。 实施步骤 对未知类别属性的数据集中的每个点依次执行以下操作: 计算已知类别数据集中的点与当前点之间的距离; 按照距… 阅读全文