分类 机器学习 下的文章

kNN算法的实现和运用


kNN就是k-近邻算法,它的工作原理是:存在样本数据集,且样本中每个数据都有标签。在输入没有标签的数据后,将新数据的特征与样本进行比对,可以从样本中提取出最相似数据的标签。一般来说,只选取样本中前K个最相似数据(一般k<20)。最后,选取k个最相似数据中出现最多次的分类,作为新数据的分类。

算法分析 优点:精度高,对异常值不敏感,无输入假定 缺点:空间和计算复杂度高 适用数据:数值型和标称型

Python实现:


Theano+Lasagne 实现手写数字识别


  Python在机器学习领域的地位越来越重要了,不仅因为它的简洁快速,更重要的是众多的社区和库的支持。   下面介绍几个非常不错的Python深度学习库:Theano,Pylearn2,Blocks,Keras,Lasagne   详细介绍可以参照链接中的文章。

  本文来说说用Theano+Lasagne来实现。

  Theano是一个强大的库,几乎能在任何情况下使用,从简单的logistic回归到建模并生成音乐和弦序列或是使用长短期记忆人工神经网络对电影收视率进行分类。更为重要的是它可以使用了Cython和CUDA来加速,大大提高了效率。   而Lasagne则是基于Theano构建的库,可以更便捷得实现深度学习功能,二者缺一不可。