Beyond Deep Learning Beyond Deep Learning Most machine learning courses will throw dozens of different algorithms at you, with a brief technical description of the math behind ...

六 、AdaBoost 6.1 AdaBoostClassifier 6.1 AdaBoostRegressor 六 、AdaBoost 6.1 AdaBoostClassifier AdaBoostClassifier 是 AdaBoost 分类器，其原型为： class sklearn . ensemble . AdaBoostCl...

1.8. 交叉分解 1.8. 交叉分解 校验者: @peels @qinhanmin2014 翻译者: @Counting stars 交叉分解模块主要包含两个算法族: 偏最小二乘法（PLS）和典型相关分析（CCA）。 这些算法族具有发现两个多元数据集之间的线性关系的用途： fit method （拟合方法）的参数 X 和 Y 都是 2 ...

无监督学习: 寻求数据表示 无监督学习: 寻求数据表示 聚类: 对样本数据进行分组 K-means 聚类算法 分层聚类算法: 谨慎使用 连接约束聚类 特征聚集 分解: 将一个信号转换成多个成份并且加载 主成份分析: PCA 独立成分分析: ICA 无监督学习: 寻求数据表示 无监督学习: 寻求数据表示 校验者: @片刻 翻译者:...

完整代码 from tensorflow . examples . tutorials . mnist import input_data import tensorflow as tf from sklearn . metrics import accuracy_score import numpy as np ...

非线性支持向量机分类 尽管线性 SVM 分类器在许多案例上表现得出乎意料的好，但是很多数据集并不是线性可分的。一种处理非线性数据集方法是增加更多的特征，例如多项式特征（正如你在第4章所做的那样）；在某些情况下可以变成线性可分的数据。在图 5-5的左图中，它只有一个特征x1 的简单的数据集，正如你看到的，该数据集不是线性可分的。但是如果你增加了第二个特征 ...

寻求帮助 项目邮件列表 机器学习从业者的 Q&A 社区 寻求帮助 校验者: @片刻 翻译者: @X 项目邮件列表 如果您在使用 scikit 的过程中发现错误或者需要在说明文档中澄清的内容，可以随时通过 Mailing List 进行咨询。 机器学习从业者的 Q&A 社区 Quora.com: Quora有一个和机器学习问题相关的...

3.5.5 把所有的东西放在一起: 面孔识别 3.5.5 把所有的东西放在一起: 面孔识别 展示使用主成分分析来降维和用执行向量机分类的面孔识别的例子。 In [ ]: """ Stripped-down version of the face recognition example by Olivier Grisel http:...

3.5.4 使用主成分分析的降维 3.5.4 使用主成分分析的降维 上面观察展开的云点在一个方向非常平坦，因此，一个特征几乎可以准确用另两个特征来计算。PCA找到数据并不平坦的方向，并且可以通过投影到一个子空间中来减少维度。 警告 : 根据你的scikit-learn版本，PCA将在模块decomposition 或pca 中。 In [...

2. 无监督学习 2. 无监督学习 2.1. 高斯混合模型 2.1.1. 高斯混合 2.1.2. 变分贝叶斯高斯混合 2.2. 流形学习 2.2.1. 介绍 2.2.2. Isomap 2.2.3. 局部线性嵌入 2.2.4. 改进型局部线性嵌入（MLLE） 2.2.5. 黑塞特征映射（HE） 2.2.6. 谱嵌入 2.2....