线性分类器

【人工智能】各种机器学习的应用场景分别是什么？

MachineLearningAlgorithms:WhichOnetoChooseforYourProblem》，简明扼要地介绍了一些比较流行的机器学习算法的典型应用场景，下面摘录其中部分内容（由原作者授权论智翻译）：线性回归和线性分类器这些可能是机器学习中最简单的算法
产业智能官·2018-04-17 00:00

GBDT和xgboost面试

GBDT与XGBoost的区别（知乎wepon大神：https://www.zhihu.com/question/41354392）传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候
guochampion·2018-04-16 17:15

图像分类：线性分类器-CS231N笔记

线性分类器有利于我们建起整个神经网络，和整个卷积网络。
邱孜赟·2018-04-14 13:25

SVM面试题

它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。（间隔最大是它有别于感知机）（1
小胖蹄儿·2018-04-12 16:39

（数据科学学习手札24）逻辑回归分类器原理详解&Python与R实现

一、简介逻辑回归（LogisticRegression），与它的名字恰恰相反，它是一个分类器而非回归方法，在一些文献里它也被称为logit回归、最大熵分类器（MaxEnt）、对数线性分类器等；我们都知道可以用回归模型来进行回归任务
费弗里·2018-04-12 14:00

Xgboost与GBDT

·传统GBDT以CART作为基分类器，xgboost还支持线性分类器·xgboost工具支持自定义代价函数，只要函数可一阶和二阶求导·传统GBDT在优化时只用到一阶导数信息，xgboost则对代价函数进行了二阶泰勒展开
GerHard_Z·2018-04-03 15:25

机器学习之支持向量机（Support Vector Machines）模型

它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。
CV探索者·2018-03-21 18:29

漫谈支持向量机（support vector machines，SVM ）

基本模型：定义在特征空间上的间隔最大的线性分类器学习算法：求解凸二次规划的最优算法。
Linn01·2018-03-20 23:47

Python利用SVM构建非线性分类器

1.用SVM构建非线性分类器SVM为建立非线性分类器提供了许多选项，需要用不同的核函数建立非线性分类器。
狄克推多er·2018-03-14 16:16

CNN线性分类器、损失函数

线性分类由于之前KNN分类器的缺点，让我们很自然地去寻找有更加强大地方法去完成图像分类任务，这种方法主要有两部分组成：评分函数（scorefunction），它是原始图像数据到类别分值的映射(f(x)=Wx)。损失函数（lossfunction），它是用来量化预测分类标签的得分与真实标签之间一致性的。这种方法其实最后可以转化成一个最优化问题，在最优化过程中，将通过更新评分函数的参数来最小化损失函数
first_adam·2018-03-13 14:57

系统学习朴素贝叶斯-三种模型

概率论相关数学公式条件概率:相互独立事件：贝叶斯定理:朴素贝叶斯分类器众所周知，朴素贝叶斯是一种简单但是非常强大的线性分类器。它在垃圾邮件分类，疾病诊断中都取得了很大的成功。
杭爱山plus·2018-03-11 22:41

【笔记】《统计学习方法》(7)支持向量机

//www.jianshu.com/p/eb9d50312de8第7章支持向量机支持向量机(supportvectormachines,SVM)是一种二类分类模型基本模型是定义在特征空间上的间隔最大的线性分类器
煎饼证·2018-03-10 16:25

机器学习入门之《统计学习方法》笔记整理——支持向量机

它的基本模型是定义在特征空间上的间隔最大的线性分类器；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。
Quanfita·2018-03-08 19:44

支持向量机（SVM）

支持向量机屏幕快照2018-02-27上午11.02.43.png我们要像线性分类器一样找到一个超平面，不仅能够对数据点进行一个准确的分隔，同时我们希望所有的点尽量都能够远离我们的超平面。
carolwhite·2018-02-28 14:40

3.线性分类器损失函数及最优化

1.损失函数（lossfunction）损失函数的作用是优化权重图片.png给定三个图片x代表图片，y代表标签计算损失函数svmloss图片.png图片.png给定三个图片x代表图片，y代表标签计算s，syi是指正确分类的得分计算损失例子：猫的loss汽车的loss青蛙的loss整个训练的正则化我们训练模型的目的是，能够正确的找到测试集中的图片都标签，而不是训练集。正则化正则化正则化的目的：简化模
路小漫·2018-02-27 11:45

#3 Linear classification

线性分类器是带参数的分类器，数学表达式：f(x,W,b)=Wx+b，其中W为权重向量，x为图像的像素值构成的向量，b为偏差向量。
nearby·2018-02-17 11:48

[机器学习笔记] 支持向量机SVM 和逻辑回归LR的异同

相同点都是线性分类器。本质上都是求一个最佳分类超平面。都是监督学习算法。都是判别模型。通过决策函数，判别输入特征之间的差别来进行分类。常见的判别模型有：K
勇敢的仙人掌·2018-02-12 16:25

2018-02-05

这是因为实际的应用中，没有kernel的SVM也就是一个线性分类器，与LR（logsticregression）没有本质的差别，就连目标函数都很相似。
唱夜曲的放牛娃·2018-02-05 23:04

SVM Kernel学习笔记

这是因为实际的应用中，没有kernel的SVM也就是一个线性分类器，与LR（logisticregression）没有本质的差别，就连目标函数都很相似。
天外有菌·2018-02-05 21:04

Python机器学习及实践——基础篇4（朴素贝叶斯）

不过，和上述两个基于线性假设的模型（线性分类器和支持向量机分类器）不同，朴素贝叶斯分类器的构造基础是贝叶斯理论。
Lenskit·2018-02-04 14:14

【机器学习】数据降维—核主成分分析(Kernel PCA)

利用核PCA可以通过非线性映射将数据转换到一个高维空间中，在高维空间中使用PCA将其映射到另一个低维空间中，并通过线性分类器对样本对其划分。此方法
ChenVast·2018-02-03 13:51

【机器学习】数据降维—核主成分分析(Kernel PCA)

利用核PCA可以通过非线性映射将数据转换到一个高维空间中，在高维空间中使用PCA将其映射到另一个低维空间中，并通过线性分类器对样本对其划分。此方法
ChenVast·2018-02-03 13:51

林轩田机器学习基石笔记13：Hazard of Overfitting

0.前言之前的课程中讲到，在使用非线性分类器时，我们使用越高阶的特征转换，模型会更复杂，同时得到更高的VC维度。这节课中将会介绍这一行为导致机器学习中一个重要的问题：过拟合。
Augus_Xu·2018-02-01 22:47

支持向量机分类器

1支持向量机分类器根据训练样本的分布，搜索所有可能的线性分类器中最佳的那个。本文是利用支持向量机进行手写体数字图像的分类任务。
King_key·2018-02-01 22:00

良/恶性乳腺癌肿瘤预测---线性分析

1线性分类器介绍：假设特征与分类结果存在线性关系的模型；通过累加计算每个维度的特征与各自权重的乘积帮助类别决策。
King_key·2018-02-01 16:08

《统计学习方法》第七章总结

它的基本模型是定义在特征空间上的最大间隔的线性分类器，间隔最大使它有别于感知机。根据数据是否线性可分分为线性可分支持向量机，线性支持向量机和非线性支持向量机。
哈特谢普苏特·2018-01-28 20:08

斯坦福CS231n作业代码（汉化）Assignment 1 - Q5

CS231N-Assignment1-Q5-Imagefeaturesexercises]编写：郭承坤观自在降魔FanliSlyneD校对：毛丽总校对与审核：寒小阳我们已经看到，通过用输入图像的像素训练的线性分类器对图像的分类问题已经取得了不错的结果
BigDataDigest·2018-01-26 09:38

基于Python的PLA线性分类器的实现

线型分类器（PLA），可以看做是一个最简单的单层前馈神经网络。PLA的目的可以简要概括为：通过训练，将一系列二维平面上的点分开。1、数据集这里采用带标签【0,1】的二维数据集：dataset=np.array([#此处用x,y形式的array来存储数据((-0.4,0.3),0),((-0.3,-0.1),0),((-0.2,0.4),0),((-0.1,0.1),0),((0.6,-0.5),0
李成广·2018-01-24 13:27

python机器学习理论与实战（五）支持向量机

这节先来看看SVM的理论吧，在（图一）中A图表示有两类的数据集，图B,C,D都提供了一个线性分类器来对数据进行分类？但是哪个效果好一些？（图一）可能对
marvin521·2018-01-19 11:22

偏差-方差权衡的理解

对于一个非线性分类问题而言（如XOR），简单的线性分类器（无维度空间映射）由于自身特性并不能较好地进行类别划分，model会出现较大的偏差；而决策树模型作为非线性分类器，能较
fjssharpsword·2018-01-15 09:14

神经网络笔记1

2.作为线性分类器的单个神经元  一个单独的神经元可以用来实现一个二分类分类器，比如二分类的Softmax或者SVM分类器。
独孤呆博·2018-01-13 23:49

势函数法

理论基础势函数法是非线性分类器中常用到的一种方法，它借用电场的概念，来解决模式分类问题。用势函数的概念来确定判别函数和划分类别界面。
林林同學·2018-01-13 11:03

零基础入门深度学习(2) - 线性单元和梯度下降

python深度学习大全原文地址：https://www.zybuluo.com/hanbingtao/note/448086往期回顾在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器
数据架构师·2018-01-09 09:20

神经网络基础知识

神经元神经元的基础---线性分类器形式如下，我们可以调整参数/权重W，使得映射的结果和实际类别吻合，而损失函数用来来衡量吻合度。来看最简单的感知器：此处激活函数用sigmod。
超级个体颛顼·2018-01-06 18:09

【ML学习笔记】18：原始的Perceptron(感知机)

感知机的决策面感知机用来获取样本特征空间中的一个超平面，以对样本进行分类，属于线性分类器。
刘知昊·2018-01-05 19:37

TensorFlow入门（3）-单层神经网络实现方法

这里将构建一个简单的线性分类器。神经网络的组成神经网络中最常见的运算，就是计算输入、权重和偏差的线性组合。这里W是连接两层的权重矩阵。输出y，输入x，偏差b全部都是向量。
两个轮子·2017-12-21 00:27

SVM支持向量机模型

这里的达到的最优是指在两类样本点距离超平面的最近距离达到最大，间隔最大使得它区别于感知机学习，SVM中还有核技巧，这样SVM就是实际上的非线性分类器函数。
WenjunDing·2017-12-20 11:12

Linear SVM和LR的区别和联系

SVM通常有4个核函数，其中一个是线性核，当使用线性核时，SVM就是LinearSVM，其实就是一个线性分类器，而LR也是一个线性分类器，这是两者的共同之处。
MSTK·2017-12-19 14:00

机器学习sklearn19.0——SVM算法

一、线性分类器二、支持向量机关于感知机模型是学习SVM的基础，详细链接参照博客：http://www.cnblogs.com/pinard/p/6042320.html三、线性支持向量机的软间隔最大化模型
loveliuzz·2017-12-17 10:09

为什么大家都不戳破深度学习的本质？！

有人说，深度学习就是一个非线性分类器？有人说，深度学习是对人脑的模拟……但我觉得都没有捅透那层窗户纸。当读完JeffHawkins的《论智能》，「就是它了！」。而我惊奇地发现，原书竟是
人工智能爱好者俱乐部·2017-12-08 00:00

机器学习总结(三)——SVM

1.SVM的原理是什么svm是一种二分类模型，是一种在特征空间中寻找间隔最大化的分离超平面的线性分类器。线性可分样本：可以通过硬间隔最大化学习线性分类器实现。
manong_wxd·2017-12-07 20:40

为什么大家都不戳破深度学习的本质？！

有人说，深度学习就是一个非线性分类器？有人说，深度学习是对人脑的模拟[2]……但我觉得都没有捅透那层窗户纸。当读完JeffHawkins的《论智能》，「就是它了！」。而
LeadAI学院·2017-12-06 00:00

2线性分类器基本原理-2.3线性分类器之SoftMax和交叉熵损失(Cross-Entropy)

图像分类器模型的整体结构：交叉熵（Cross-Entropy）损失和SoftMaxSVM是最常用的两个分类器之一，而另一个就是Softmax分类器，它的损失函数与SVM损失函数不同。对于学习过二元逻辑回归分类器的读者来说，SoftMax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出f(xi,W)作为每个分类的评分（因为无定标，所以难以直接解释）。与SVM不同，Softmax
hongxue8888·2017-12-05 15:43

2线性分类器基本原理-2.1线性分类器之前向推断过程

线性分类器的基本知识：线性分类器简介线性评分函数阐明线性分类器损失函数：多类SVM和SoftMax基于Web的可交互线性分类器原型K最近邻(k-NearestNeighbor，KNN)分类器存在以下不足
hongxue8888·2017-12-04 10:16

感知器和神经网络训练（公式推导及C++实现）

感知器感知器是一个二元线性分类器，其目标是找到一个超平面将训练样本进行分隔（分类），其表示为一般使用的激活函数不是阶跃函数，常用的有sigmoid函数(其导数:σ′=σ(1−σ))在1个样本的训练集上代价函数
ffiirree·2017-12-04 00:38

深度学习6:softmax线性分类器与神经网络分类的性能比较

本文会比较softmax分类与三层神经网络的性能进行比较。第一步构造数据集：构造数据集源码：（编译环境JupyterNotebookpython3)importnumpyasnpimportmatplotlib.pyplotasplt#ubuntu16.04sudopipinstalmatplotlibplt.rcParams['figure.figsize']=(10.0,8.0)#setdef
haimianjie2012·2017-11-28 21:21

机器学习面试系列三

41.线性分类器与非线性分类器的区别以及优劣  如果模型是参数的线性函数，并且存在线性分类面，那么就是线性分类器，否则不是。  
Learn_ZhangK·2017-11-20 13:40

线性分类器与性能评价(R语言)

原文链接：线性分类器与性能评价(R语言)微信公众号：机器学习养成记搜索添加微信公众号：chenchenwings“分类问题是机器学习算法中最基础和重要的问题，本文用R语言，对网上的Irvine数据集，通过线性回归方法
三猫后端·2017-11-20 13:08

no1 计算机视觉历史 & k近邻线性分类器 & 损失函数和最优化

计算机视觉历史回顾和介绍现代互联网85%都是图片，如何处理？计算机视觉十分必要。哈佛大学放图片对猫的脑部视觉区脉冲检测，50%都在处理眼睛的信息，发现切换图片的时候才有感觉，所以视觉的前期是对图片边缘和形状的识别。Blockworld论文，一个东西不同角度，边缘决定形状和结构，可以通过边缘和形状来识别东西。1966年MIT建立了第一个AI实验室，在那个夏天研究了计算机视觉。DavidMarr提出视
Asun0204·2017-11-14 15:14

2.1.1.2支持向量机（分类）

支持向量机分类器，便是根据训练样本的分布，搜索所有的线性分类器中最佳的一个。
idatadesign·2017-11-13 21:13
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他