机器学习的学习

  "Training makes him stronger"

Posted by xu on April 2, 2018

How to MachineLearning

绪论:

分为有监督学习和无监督学习

输入到输出,中间函数是可以微调的,要求结果,然后会自动修正中间函数。

主要模型类型:神经网络模型和概率模型

有十个经典算法,分别是

  1. 线性回归
  2. 逻辑回归
  3. 线性判断分析(LDA)
  4. 支持向量机(SVM)
  5. Boosting算法和Adaboost
  6. 决策树(分类与回归树)
  7. 朴素贝叶斯
  8. K邻近算法(KNN)
  9. 学习向量量化(LVQ)
  10. Bagging和随机森林

第一个机器学习算法库:tensorflow,powerd by google,安装方方式 sudo pip install tensorflow,安装巨久……//还是应该更换科大的源

第二个想玩的是fastPhotostyle,来自英伟达,应该可以做出很好玩的东西

机器学习第二周,

我的数学太垃圾了,我想给自己吃一吨屎

机器学习第三周,

我感觉我要被机器学习劝退了!

机器学习第四周,

看看Andrew Ng的视频,一直在讲数学,讲统计问题。杨悦老师让我看看有意思的智能算法,其中包括了退火算法,蚁群算法,等智能算法,这个比直接学习神经网络(ANN)算法要简单一点……然而我搞了巨久也没找到资源……另外尝试了安装各种PY环境和库,包括tensorflow,face_recognition和几个图示化工具,但是具体怎么操作完全不知道嘛,我好菜😭😭

关于这个智能算法和我上面列出的现在机器学习的十大算法相比怎么分类,它们之间是个怎样的关系?是个问题!

粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation),1995 年由Eberhart 博士和kennedy 博士提出,源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发,进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上,利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程,从而获得最优解。

正如简介所描述的那样,粒子群算法是模拟群体智能所建立起来的一种优化算法,像后面我向大家介绍的蚁群算法也属于这类算法,粒子群算法可以用鸟类在一个空间内随机觅食为例,所有的鸟都不知道食物具体在哪里,但是他们知道大概距离多远,最简单有效的方法就是搜寻目前离食物最近的鸟的周围区域。

所以,粒子群算法就是把鸟看成一个个粒子,并且他们拥有位置和速度这两个属性,然后根据自身已经找到的离食物最近的解和参考整个共享于整个集群中找到的最近的解去改变自己的飞行方向,最后我们会发现,整个集群大致向同一个地方聚集。而这个地方是离食物最近的区域,条件好的话就会找到食物。这就是粒子群算法,很好理解。