ML算法: K-means++算法详细指南 IT技术

ML算法: K-means++算法详细指南

先决条件: K均值聚类–简介 标准K均值算法的缺点: K-means算法的一个缺点是它对质心或均值的初始化很敏感。因此, 如果将质心初始化为"远距离"点, 则它可能最终没有与之关联的点, 并且同时, ...
阅读全文
ML算法:局部加权线性回归 IT技术

ML算法:局部加权线性回归

先决条件:ML |线性回归 线性回归是一种监督型学习算法, 用于计算输入(X)和输出(Y)之间的线性关系。 普通线性回归涉及的步骤是: 培训阶段:计算以最小化成本。预测输出:对于给定的查询点, 从下图...
阅读全文
ML算法:使用Python进行Logistic回归 Python

ML算法:使用Python进行Logistic回归

先决条件:了解逻辑回归 用户数据库–该数据集包含来自公司数据库的用户信息。它包含有关用户ID, 性别, 年龄, 预估工资, 已购买的信息。我们正在使用该数据集预测用户是否会购买公司的新产品。 数据– ...
阅读全文
ML算法:Logistic回归与决策树分类 Python

ML算法:Logistic回归与决策树分类

逻辑回归和决策树分类是当今使用的两种最流行和最基本的分类算法。没有一种算法比另一种算法更好, 并且一个人的出色性能通常归因于正在处理的数据的性质。 我们可以在不同类别上比较这两种算法– 标准 逻辑回归...
阅读全文
ML:什么是机器学习? Python

ML:什么是机器学习?

人工智能和电脑游戏领域的先驱阿瑟·塞缪尔创造了“机器学习”这个术语。他将机器学习定义为:“一种研究领域,它让计算机能够在没有明确编程的情况下进行学习。” 以非常普通的方式, 机器学习(ML)可以解释为...
阅读全文
ML算法:均值漂移聚类详细介绍 Python

ML算法:均值漂移聚类详细介绍

均值漂移与无监督学习相反, 无监督学习通过将点朝着模式转移来将数据点迭代地分配给聚类(在均值偏移的情况下, 模式是该区域中数据点的最高密度)。因此, 它也被称为寻模算法。均值漂移算法在图像处理和计算机...
阅读全文
ML算法:Python的小批量梯度下降 Python

ML算法:Python的小批量梯度下降

在机器学习中, 梯度下降是一种用于计算模型参数(系数和偏差)的优化技术, 用于线性回归, 对数回归, 神经网络等算法。在此技术中, 我们反复遍历训练集并更新模型相对于训练集的误差梯度的参数。 根据更新...
阅读全文
ML算法:迷你批量K均值聚类算法 Python

ML算法:迷你批量K均值聚类算法

先决条件:K均值聚类中K的最优值 K均值是最流行的聚类算法之一, 主要是因为其良好的时间性能。随着所分析的数据集大小的增加, K均值的计算时间增加了, 因为它需要在主存储器中存储整个数据集。由于这个原...
阅读全文