3.3 决策树应用.pdf-赵卫东 董亮-人民邮电出版社
文本预览下载声明
第3章决策树与分类算法93从结果可以看到其效果较随机森林更好，原因是在极限随机树中，计算分割点方法中的随机性进一步增强。相较于随机森林，其阈值是针对每个候选特征
显示全部
文档详情
相似文档
-
1.3 典型机器学习应用领域.pdf-赵卫东 董亮-人民邮电出版社
第1章机器学习概述7解决人工智能面对的问题。机器学习是通过一些让计算机可以自动“学习”的算法，从数据中分析获得规律，然后利用规律对新样本进行预测。机器学习是人工
-
8.2 支持向量机应用.pdf-赵卫东 董亮-人民邮电出版社
210机器学习10niiiαy==∑（17）将式（13）带入式（15）可得：T1111min(,,)2nnniijijijiijLyyxxωγαααα====−∑∑∑（18）将式（18）带入式
-
6.3 神经网络应用.pdf-赵卫东 董亮-人民邮电出版社
184机器学习其中的变量如何记录呢？以accuracy对应的变化曲线图为例，使用如下代码。withtf.name_scope(train):optimizer=tf.train.GradientDescentOptimizer(learn
-
14.2.4 定期存款业务模型保存和应用.pdf-赵卫东 董亮-人民邮电出版社
330机器学习③召回率指标的值如表14-16所示。表14-16召回率指标的值分类阈值召回率1.00.98876321974148060.90.991700940
-
14.3.5 客户分群模型保存和应用.pdf-赵卫东 董亮-人民邮电出版社
344机器学习续表IDFreshMilkGroceryFrozenDetergents_papersDelicatessen客户分群43739228143176
-
5.3.4 知识图谱的构建过程.pdf-赵卫东 董亮-人民邮电出版社
146机器学习权威节点。此外，权威节点分析还可采用基于节点属性及节点间关系的多特征方法，将节点属性和关系结合起来综合分析。3．相似节点发现相似节点发现常常应用于企业经营中的产品分析、客户分群
-
6.1.2 反馈神经网络.pdf-赵卫东 董亮-人民邮电出版社
169第6章神经网络得成本函数的值达到极小。BP神经网络训练过程的基本步骤可以归纳如下：①初始化网络权值和神经元的阈值，一般通过随机的方式进行初始化。②前向传播
-
4.3.1 k-均值算法.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析1034.3基于划分的聚类基于划分的方法是简单、常用的一种聚类方法，通过将对象划分为互斥的簇进行聚类，每个对象属于且仅属于一个簇。划分结果旨在使簇之间的样本相似性低，簇内部的样本
-
4.5.1 BIRCH 聚类.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析115置能够反映两个雷电物体之间的距离，因此时间权重值应该小于经纬度。经过OPTICS算法聚类后，将雷电簇存储在数据库中，标记时间段、集群ID等信
-
4.5.2 CURE 算法.pdf-赵卫东 董亮-人民邮电出版社
118机器学习（2）对步骤（1）建立的CF-Tree进行处理，将稠密数据分成簇，将过于稀疏的数据作为孤立点。对一些超球体距离近的元组进行合并。（该步骤可选）（3
-
4.4.3 DENCLUE 算法.pdf-赵卫东 董亮-人民邮电出版社
112机器学习差很大时，聚类质量较差。此外，DBSCAN算法对邻域参数()ε，MinPts非常敏感，需要由用户指定参数，参数设置的不同可能导致聚类结果差别很大，
-
4.7.1 概率模型聚类.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析1214.6基于网格的聚类基于网格的聚类算法的基本思想是将每个属性的可能值分割成许多相邻的区间（例如将属性的值域离散化处理），创建网格单元的集合，将数据空间划分为许多网格单元，然
-
6.2.1 激活函数.pdf-赵卫东 董亮-人民邮电出版社
173第6章神经网络所示的原图经过量化之后，得到了红色、绿色等核心元素构成图6-6（b）所示的新图，并且给出原图中9种色彩和学习到的9种主要色彩，如图6-6（c
-
4.7.3 Kohonen 神经网络聚类.pdf-赵卫东 董亮-人民邮电出版社
126机器学习()()()=∏∏ndworddwordltpdword，，对似然函数取对数得到：()()log()[()log()()log(|)][()log
-
5.4.1 文本分词.pdf-赵卫东 董亮-人民邮电出版社
151第5章文本分析高性能的图形数据库，Neo4j将结构化的数据存储在网络上而不是关系表中，基于图的搜索，具有完全事务管理功能，很好地支撑动态数据特性的应用需求