Github_link_from:https://github.com/lawlite19/MachineLearning_Python
機器學習演算法Python實作
目錄
- 機器學習演算法Python實作
- 一、線性回歸
- 1、代價函式
- 2、梯度下降演算法
- 3、均值歸一化
- 4、最終運行結果
- 5、使用scikit-learn庫中的線性模型實作
- 二、邏輯回歸
- 1、代價函式
- 2、梯度
- 3、正則化
- 4、S型函式（即）
- 5、映射為多項式
- 6、使用的優化方法
- 7、運行結果
- 8、使用scikit-learn庫中的邏輯回歸模型實作
- 邏輯回歸_手寫數字識別_OneVsAll
- 1、隨機顯示100個數字
- 2、OneVsAll
- 3、手寫數字識別
- 4、預測
- 5、運行結果
- 6、使用scikit-learn庫中的邏輯回歸模型實作
- 三、BP神經網路
- 1、神經網路model
- 2、代價函式
- 3、正則化
- 4、反向傳播BP
- 5、BP可以求梯度的原因
- 6、梯度檢查
- 7、權重的隨機初始化
- 8、預測
- 9、輸出結果
- 四、SVM支持向量機
- 1、代價函式
- 2、Large Margin
- 3、SVM Kernel（核函式）
- 4、使用中的模型代碼
- 5、運行結果
- 五、K-Means聚類演算法
- 1、聚類程序
- 2、目標函式
- 3、聚類中心的選擇
- 4、聚類個數K的選擇
- 5、應用——圖片壓縮
- 6、使用scikit-learn庫中的線性模型實作聚類
- 7、運行結果
- 六、PCA主成分分析（降維）
- 1、用處
- 2、2D-->1D，nD-->kD
- 3、主成分分析PCA與線性回歸的區別
- 4、PCA降維程序
- 5、資料恢復
- 6、主成分個數的選擇（即要降的維度）
- 7、使用建議
- 8、運行結果
- 9、使用scikit-learn庫中的PCA實作降維
- 七、例外檢測 Anomaly Detection
- 1、高斯分布（正態分布）
- 2、例外檢測演算法
- 3、評價的好壞，以及的選取
- 4、選擇使用什么樣的feature（單元高斯分布）
- 5、多元高斯分布
- 6、單元和多元高斯分布特點
- 7、程式運行結果
- 一、線性回歸
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/30622.html
標籤：Windows
下一篇：nrm的安裝和使用