题记 2021.06.06开始,计划每周阅读整理一篇论文,偏向临床应用类,以此拓展自己的技能树;此外,并不想做纯粹的中英文翻译,三方面考虑,英文的学习很忌讳中文思维的介入和干...
题记 2021.06.06开始,计划每周阅读整理一篇论文,偏向临床应用类,以此拓展自己的技能树;此外,并不想做纯粹的中英文翻译,三方面考虑,英文的学习很忌讳中文思维的介入和干...
对我而言,这是一本解惑的书,长久以来,工作里遇到的各式的人、事、思想、习惯、结局等都让我很困惑,无法理解,甚至很久都有情绪上的问题,因为无法想明白这一切背后的出发点、目的、逻...
2021 reading list 购买原因: 2018年购入,只因为好看,配图插画解释,为了收藏。 优点: 每个算法的解释都拆分很细,一小步一小步,所以很容易理解; 每个概...
protected: only methods of the same package, or its subclasses can access protected ins...
随即森林是决策树的集成,是一种常用算法,通常通过bagging的方法训练。随即森林的效果通常与Boosting的效果类似,易于训练和调整。image.png 随机森林优点: ...
ensemble learning 集成学习 定义:集成学习是一种机器学习的示例;多个学习者在学习解决同一个问题,多个学习模型的效果肯定优于一个学习模型。image.png ...
PCA是最受欢迎的降维算法。 思路:将数据集转换到低维空间,同时尽可能的保护数据的信息。 应用:常用字损失数据压缩,特征提取,数据视觉化 是一种无监督学习 通常数据很难被学习...
非监督学习 定义:训练数据无类。 包括:类簇 (训练数据能分成某些组,例如:市场分割,社交网络分析,基因检测); 异常检测(训练数据中,一些值不能归于期待的模型) Clust...
Naive Bayes是一种简单但很重要的概率模型,是一种简单的多类分割算法。 定义: 假设所有的特征之间是相互独立的。即每个独立变量x的条件概率p(x|y)是相互独立的。 ...
决策树是一种非参数模型,用于分类和回归。 如何构造决策树?步骤 选择根节点特性 分割子集 递归分割每个分支 如何选择最佳属性作为根节点? 思想:(一般是最佳的属性,即通过该属...
神经网络的适用对象: 强非线性系统。 当数据可以不断增长时,模型能不断地被更新 当输入数据有意料外的更改 模型的解释不是关键点 Single-layer Perceptron...
逻辑回归算法 定义:能预测出二类概率(即属于1,或不属于0)的一种简单的分类算法。图形类似S型image.png 注意点逻辑回归算法是一种分类算法,而非回归算法。 逻辑回归数...
非线性回归 定义:在一组独立和非独立的变量中,找出他们的非线性关系的模型。与线性回归不同(线性回归只能估计线性模型),非线性回归能用抽象模型。 注意点:多项式回归不算是非线性...
线性回归用于预测,以及建立变量之间是否有关系 找损失方程解有两种方法 第一种,标准方程normal equationimage.pngimage.png 第二种,梯度下降Gr...
SVM是一种监督学习方法,可以用来分类,回归,及异常检测。 分类器通过寻找合适的linear decision boundary(或hyperplane)来分类所有数据。 最...
K nearest neighbour (KNN) 定义:在一个数据集中,通过最近邻居将数据分类。 Distance metrics可以是Euclidean, city bl...
超参数hyperparameters 超参数通过控制机器学习算法来调整模型以至于适应数据,controls how the machine learning algorith...
降维方法: principal component analysis conical correlation analysis singular value decompos...
给定一个二叉树,找出所有路径中各节点相加总和等于给定 目标值 的路径。 一个有效的路径,指的是从根节点到叶节点的路径。样例 代码