莫烦Python之机器学习概念了解

1、机器学习分类

  • 有监督学习
  • 无监督学习
  • 半监督学习
  • 强化学习
  • 遗传算法

2、神经网络

  • 一种基于传统统计学的模型,由大量的神经元与其关系构成。常用来对复杂的输入和输出关系进行建模
  • 误差反向传递:给出信号,得到经过神经网络算法之后的结果(信号正向传播),再根据结果来修改神经网络中的神经元强度(信号反向传播)
  • 通过正向和反向传播来更新神经元,从而形成更好的神经系统
  • 每一个神经元都有属于它的激活函数,在训练过程中可以通过调整不同神经元的激活参数来调整模型
  • 输入层:负责信息的传入

    输出层:权衡、中转、输出信息

    隐藏层:负责传入信息的加工处理

  • ?????但是最重要的还是不知道啊,比如输入层的信息具体怎么处理,隐藏层怎么加工,输出层又是怎么回事????具体是怎么实现完全不知啊

3、卷积神经网络(CNN)

  • 应用:图片识别、视频分析、自然语言处理
  • 数据输入层,卷积计算层,RELU激励层,池化层,全连接层(从这个博客看来的)
  • 有一个批量过滤器,持续在图片上滚动搜集图片信息,每次只是一小块信息,整理后得到边缘信息;然后批量过滤器扫过边缘的信息,神经网络总结出更高层的信息;再一次过滤后总结出脸部信息;再把这些信息放入普通的全连接神经网络进行分类
  • 问题依旧是具体实现,怎么搜集信息,怎么整理,上面的那个博客讲的很详细。

4、循环神经网络(RNN)

  • 应用:语言分析,序列化数据的处理
  • 为了让神经网络在有序数据集中学习,产生对当前发生事情的意义,也就是产生“上文联系”
  • x1数据下产生状态s1以及结果y1,在x2数据下产生状态s2,结果y2由状态s1和s2共同创造

5、LSTM RNN

  • LSTM:long short memery,长短期记忆
  • 为了解决普通RNN的弊端(在误差反向传递的时候,每循环一次都会乘以当前状态的权重w,如果w>1,那么返回的误差就会很大,可能会发生梯度爆炸;而w<1,返回的误差就会很小,可能发生梯度消失)
  • 普通RNN没有办法回忆起久远记忆(刚开始数据集产生的记忆)
  • 与普通RNN的区别,增加了输入、输出、忘记,有主线记忆单元,当后面的数据与前面冲突时,按比例更改“主线内容”;如果与“主线”数据相关,则添加进“主线”

原文地址:https://www.cnblogs.com/HJhj/p/10854390.html

时间: 05-15

莫烦Python之机器学习概念了解的相关文章

稍稍乱入的CNN,本文依然是学习周莫烦视频的笔记。

稍稍乱入的CNN,本文依然是学习周莫烦视频的笔记. 还有 google 在 udacity 上的 CNN 教程. CNN(Convolutional Neural Networks) 卷积神经网络简单讲就是把一个图片的数据传递给CNN,原涂层是由RGB组成,然后CNN把它的厚度加厚,长宽变小,每做一层都这样被拉长,最后形成一个分类器: 如果想要分成十类的话,那么就会有0到9这十个位置,这个数据属于哪一类就在哪个位置上是1,而在其它位置上为零. 在 RGB 这个层,每一次把一块核心抽出来,然后厚度

用Python开始机器学习(7:逻辑回归分类) --好!!

from : http://blog.csdn.net/lsldd/article/details/41551797 在本系列文章中提到过用Python开始机器学习(3:数据拟合与广义线性回归)中提到过回归算法来进行数值预测.逻辑回归算法本质还是回归,只是其引入了逻辑函数来帮助其分类.实践发现,逻辑回归在文本分类领域表现的也很优秀.现在让我们来一探究竟. 1.逻辑函数 假设数据集有n个独立的特征,x1到xn为样本的n个特征.常规的回归算法的目标是拟合出一个多项式函数,使得预测值与真实值的误差最小

基于Python的机器学习实战:Apriori

目录: 1.关联分析 2. Apriori 原理 3. 使用 Apriori 算法来发现频繁集 4.从频繁集中挖掘关联规则 5. 总结 1.关联分析  返回目录 关联分析是一种在大规模数据集中寻找有趣关系的任务.这种关系表现为两种形式: 1.频繁项集(frequency item sets):经常同时出现的一些元素的集合: 2.关联规则(association rules): 意味着两种元素之间存在很强的关系. 下面举例来说明上面的两个概念: 表1 一个来自Hole Foods天食品店的简单交易

Python与机器学习:windows下机器学习环境的搭建

我的电脑系统是win7 64 位 安装了python-2.7.12.msi 和python-3.4.2.amd64.msi, ========注意:========= 同时都配置好了环境变量path  配置哪个版本的环境就选择相应的配置 (两者不能同时存在,否则用不了pip或easy_install) ....;C:\Python27\Scripts;C:\Python27; 或C:\Python34\Scripts;C:\Python34;....... |------------------

安装Python的机器学习包Sklearn 出错解决方法

1 首先需要安装Cython,网上下载后进行本地安装 python setup.py install 2 下载Sklearn包,https://pypi.python.org/pypi/scikit-learn/0.14.1 ,进行本地安装(使用pip或easy_install总是出错,如can not import murmurhash3_32,最终本地安装成功) 3 安装后可用nosetests -v sklearn来进行测试

机器学习概念

机器学习就是把无序的数据转换成实用的信息. 机器学习的主要任务就是分类,通过通过训练数据训练算法,终于能够将实际的数据分到合适的类别中 监督学习算法:预測目标变量的值 k-means算法.线性回归 朴素贝叶斯算法,局部加权线性回归 支持向量机.ridge回归 决策树.lasso最小回归系数预计 无监督学习算法:不须要预測目标变量的值 k-均值.最大期望算法 DBSCAN,parzen窗设计 确定哪种算法之后,还要确定目标变量的类型: 离散型:是/否,1/2/3     分类器算法 连续性:-99

Python 1 基本概念

转自: http://www.cnblogs.com/known/archive/2010/07/31/1789290.html 1. 常量 python 常量没有名字 2. 数 python 有 4 类 数: * 整数:2 *长整数:655535等大一些的整数 *浮点数:1.2, 1.2e-3, e 是10的幂, *复数 (-5+4j) 3. 字符串 python 没有 char 类型,单, 双 引号 " ", ' ' 是一个意思 * 单引号:'Quote me on this' *

python包的概念

1 python程序由包(package).模块(module)和函数组成.包是由一系列模块组成的集合.模块是处理某一类问题的函数和类的集合. 2 包就是一个完成特定任务的工具箱. 3 包必须含有一个__init__.py文件,它用于标识当前文件夹是一个包. 4 python的程序是由一个个模块组成的.模块把一组相关的函数或代码组织到一个文件中,一个文件即是一个模块.模块由代码.函数和类组成.导入模块使用import语句. 5 包的作用是实现程序的重用. 摘自: http://www.cnblo

python 模块的概念介绍

模块 模块:本质就是一个.py文件分为三部分:内置模块.第三方模块,自定义模块 模块: 顶层文件 python模块python模块可以将代码量较大的程序分割成多个有组织的.彼此独立但又能互相交互的代码片段,这些自我包含的有组织的代码段就是模块,模块在物理形式上表现为以.py结尾的代码文件一个文件被看作一个独立的模块,一个模块也可以被看作是一个文件模块的文件名就是模块的名字加上扩展名.py每个模块都有自己的名称空间python允许"导入"其他模块以实现代码重用,从而也实现了将独立的代码文

Python:类的概念和使用方法

类就是一类事物.或者叫做实例,它用来描述具有共同特征的一类事物.我们在python中声明类的关键词是class,类还有功能和属性,属性就是这类事物的特征,而功能就是它能做什么,也是就是方法或者函数.我们仍然用例子来说明问题. 声明类 用class来声明一个类,也就是创建了一个类.使用class关键字,后面接类的名称,然后一个冒号 还有两种写法,他们都是等价的. 声明类以后,我们使用__init__函数来重载构造函数,如图所示,在类中都有一个self参数,他是任何类都有的,代表实例本身,假如我们想