99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀機器學習中涉及到的算法有哪些（下）
機器學習中涉及到的算法有哪些（下）
2019-03-26
收藏


從上一篇文章中我們可以看出，機器學習涉及到的很多算法，其實這些算法都是非常實用的，也正是由于這些算法，我們的機器學習才能夠解決很多問題，那么大家還知道機器學習有哪些算法呢？下面我們就給大家介紹一下關(guān)于機器學習算法的最后一部分內(nèi)容。


首先我們給大家介紹一下Boosting 和 AdaBoost，首先，Boosting 是一種集成技術(shù)，它試圖集成一些弱分類器來創(chuàng)建一個強分類器。這通過從訓(xùn)練數(shù)據(jù)中構(gòu)建一個模型，然后創(chuàng)建第二個模型來嘗試糾正第一個模型的錯誤來完成。一直添加模型直到能夠完美預(yù)測訓(xùn)練集，或添加的模型數(shù)量已經(jīng)達到最大數(shù)量。而AdaBoost 是第一個為二分類開發(fā)的真正成功的 boosting 算法。這是理解 boosting 的最佳起點?，F(xiàn)代 boosting 方法建立在 AdaBoost 之上，最顯著的是隨機梯度提升。當然，AdaBoost 與短決策樹一起使用。在第一個決策樹創(chuàng)建之后，利用每個訓(xùn)練實例上樹的性能來衡量下一個決策樹應(yīng)該對每個訓(xùn)練實例付出多少注意力。難以預(yù)測的訓(xùn)練數(shù)據(jù)被分配更多權(quán)重，而容易預(yù)測的數(shù)據(jù)分配的權(quán)重較少。依次創(chuàng)建模型，每一個模型在訓(xùn)練實例上更新權(quán)重，影響序列中下一個決策樹的學習。在所有決策樹建立之后，對新數(shù)據(jù)進行預(yù)測，并且通過每個決策樹在訓(xùn)練數(shù)據(jù)上的精確度評估其性能。所以說，由于在糾正算法錯誤上投入了太多注意力，所以具備已刪除異常值的干凈數(shù)據(jù)十分重要。


而學習向量量化也是其中的一個算法，可能大家不知道的是，K近鄰算法的一個缺點是我們需要遍歷整個訓(xùn)練數(shù)據(jù)集。學習向量量化算法（簡稱 LVQ）是一種人工神經(jīng)網(wǎng)絡(luò)算法，它允許你選擇訓(xùn)練實例的數(shù)量，并精確地學習這些實例應(yīng)該是什么樣的。而學習向量量化的表示是碼本向量的集合。這些是在開始時隨機選擇的，并逐漸調(diào)整以在學習算法的多次迭代中最好地總結(jié)訓(xùn)練數(shù)據(jù)集。在學習之后，碼本向量可用于預(yù)測。最相似的近鄰?fù)ㄟ^計算每個碼本向量和新數(shù)據(jù)實例之間的距離找到。然后返回最佳匹配單元的類別值或作為預(yù)測。如果大家重新調(diào)整數(shù)據(jù)，使其具有相同的范圍，就可以獲得最佳結(jié)果。當然，如果大家發(fā)現(xiàn)KNN在大家數(shù)據(jù)集上達到很好的結(jié)果，請嘗試用LVQ減少存儲整個訓(xùn)練數(shù)據(jù)集的內(nèi)存要求。


在這篇文章中我們給大家介紹了關(guān)于機器學習的算法的剩余部分內(nèi)容能夠，通過對這個算法的講解相信大家能夠更好地理解機器學習。正是由于這些算法，機器學習才如此強大。

 

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }