机器学习-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

dreamhappy2012

推荐系统除了协同过滤算法，还有其他的算法吗？

问：推荐系统除了协同过滤算法，还有其他的算法吗？答：协同过滤算法算是推荐系统中最经典的算法了，也称为基于领域的算法。协同过滤牵涉到用户和商品的交互信息，也就是用户行为，而一般用户对于商品的行为反馈有：显性反馈行为和隐性反馈行为除了协同过滤还有基于流行度的算法，基于内容的算法，基于模型的算法，混合算法。基于流行度的算法非常简单粗暴，类似于各大新闻、微博热榜等，根据PV

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

神经网络参数的初始化

神经网络参数的更新和迭代：参数初始化：1、一开始要将参数进行随机初始化，不是全部置为0。如果所有参数都用相同的值作为初始值，那么所有隐藏层单元最终会得到与输入值有关的、相同的函数，对于任何输入x，都有： 2、随机初始化的目的是使对称失效，为求解神经网络，我们需要将每一个参数Wij和bi初始化为一个很小的，接近零的随机值

0.0000

0

2

0

关注作者

收藏

朝阳Tim

K-means、系统聚类和二阶聚类的适用范围分别是？

K-means聚类：也叫作快速聚类，要求事先选好多少类，例如分3类，那么系统就会生成3个“聚类种子”，然后根据与这3个点的距离远近，把所有的点分成三类，再把这3类的中心（均值）作为新的基石或种子（原来的种子就没用了），重新按照距离分类，如此迭代下去，直到达到停止迭代的要求（比如，各类最后的变化不大了，或者迭代次数太多了）系统聚类：也叫作分层聚类，开始时有多少点就是多少类，它先把最近的两类（点）

8.1288

1

1

0

关注作者

收藏

dreamhappy2012

神经网络模型

神经网络就是将许多个单一“神经元”联结在一起，这样，一个“神经元”的输出就可以是另一个“神经元”的输入。✓ 一个神经元的输出是另一个神经元的输入， 1表示偏置✓ L1层为输入层，L2为隐含层，L3为输出层例如，下图就是一个简单的神经网络：

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

神经网络常见的激活函数绘图（Python语言）

神经网络常见的激活函数绘图：import matplotlib.pyplot as pltimport numpy as np%matplotlib inlinex = np.linspace(-10,10)y_sigmoid = 1/(1+np.exp(-x))y_tanh = (np.exp(x)-np.exp(-x))/(np.exp(x)+np.exp(-x))fig =

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

神经网络常见的激活函数python语言

神经网络常见的4种激活函数python语言Sigmoid激活函数的python代码： y_Sigmoid=1/(1 np.exp(-x))Tanh激活函数的python代码： y_tanh=(np.exp(x)-np.exp(-x))/(np.exp(x) np.exp(-x))Relu激活函数的python代码：y_relu=np.array([0*item if

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

神经网络常见的激活函数有哪些？

神经网络常见的4种激活函数：Sigmoid: Tanh： Relu： Leaky Relu：

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

聚类与分类的区别是什么？

聚类与分类的区别：聚类所要求划分的类是未知的从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等。从机器学习的角度讲，簇相当于隐藏模式。聚类是搜索簇的无监督学习过程。与分类不同，无监

8.1879

2

1

0

关注作者

收藏

dreamhappy2012

聚类分析中的簇的抽象的过程是什么样的？

聚类分析提供由个别数据对象到数据对象所指派的簇的抽象•数据降维•数据离散压缩•有效地发现最近邻

66.6535

1

3

0

关注作者

收藏

dreamhappy2012

层次聚类中基于最小距离的层次聚类的分析步骤是什么？

最短距离法进行聚类分析的步骤如下：1. 定义样品之间距离，计算样品的两两距离，得一距离矩阵记为D(0)，开始每个样品自成一类，显然这时Dij= dij。2. 找出距离最小元素，设为Dpq，则将Gp和Gq合并成一个新类，记为Gr，即Gr = ｛Gp，Gq｝。3. 按（最短距离法）计算新类与其它类的距离。4. 重复(2)、(3)两步，直到所有元素。并成一类为止。如果某一步距离最小的元素不止一

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

层次聚类算法的流程是什么

层次聚类算法的流程是什么？1. 计算对象两两之间的距离；2. 构造n个单成员聚类C1,C2,…,Cn,每个聚类高度为0；3. 找到两个距离最近的聚类Ci和Cj，聚类的个数减1，以被合并的两个类之间的间距作为上层的高度；4. 重复3直到满足终止条件。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

层次聚类法分为哪两类？

层次聚类法一般可以分为两类：凝聚方法（agglomerative）（自底向上）思想：一开始将每个对象作为单独的一组，然后根据同类相近，异类相异的原则，合并对象，直到所有的组合并成一个，或达到一个终止条件为止。分裂方法（divisive）（自顶向下）思想：一开始将所有的对象置于一类，在迭代的每一步中，一个类不断地分为更小的类，直到每个对象在单独的一个类中，或达到一个终止条

66.6535

1

2

0

关注作者

收藏

dreamhappy2012

K-均值聚类中K的选择的两种方法是什么？

K-均值聚类中K的选择的两种方法：方法一：定量的解决方法：肘部法则（Elbow Method）• 纵轴：损失函数的值• 横轴：k值的选择方法二：• 人工根据实际应用场景来选择 • 思考k在具体应用中所代表的含义

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

K-均值聚类在迭代过程的结束条件有什么？

K-均值聚类在迭代过程中常见迭代结束条件：两次迭代得到的类中心点相同两次迭代得到的划分相同达到最大的迭代次数：限制K均值算法中的迭代次数。即使尚未满足收敛准则，达到迭代次数之后迭代也会停止。此数字必须在1到999之间。目标函数值不再下降

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

K-均值聚类算法流程是什么？

K-均值聚类算法流程如下：1. 从n个数据对象随机选取k个目标作为初始簇中心。2. 计算每个簇的平均值，并用该平均值代表相应的簇。3. 计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分。4. 转步骤(2)，重新计算每个(自变化)簇的平均值。这个过程不断重复直到某个准则函数不再明显变化或者聚类的对象不再变化为止。

66.6535

1

3

0

关注作者

收藏

dreamhappy2012

相似性度量函数的怎么选择？

一般说来，同一批数据采用不同的距离公式，会得到不同的分类结果。产生不同结果的原因，主要是由于不同的距离公式的侧重点和实际意义都有不同。因此我们在进行聚类分析时，应注意距离公式的选择。通常选择距离公式应注意遵循以下的基本原则：要考虑所选择的距离公式在实际应用中的意义。要综合考虑对样本观测数据的预处理和将要采用的聚类分析方法。要考虑研究对象的特点和计算量的大小。

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

常用的距离度量指标有哪些？

常用的距离度量指标有哪些？主要包括以下三类：1、几何距离，比如欧氏距离最常用的空间中两点的直线距离：也可以用向量表示 2、向量间的角度，如夹角余弦3、其他：曼哈顿距离、切氏距离、皮尔逊相关系数、互信息等在曼哈顿的方块儿街区间穿梭，只能横平竖直地走。公式如下：

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

聚类的基本流程是什么？

典型的数据聚类基本步骤如下：对数据进行表示和预处理，包括数据清洗、特征选择或特征抽取；给定数据之间的相似度或相异度及其定义方法；根据相似度，对数据进行划分，即聚类；对聚类结果进行评估。

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

AdaBoost的特点有哪些？

AdaBoost的特点总结：简单，不用做特征筛选在大多数数据集中，boosting的准确性比bagging高AdaBoost方法在邮件过滤、文本分类方面都有很好的性能Adaboost对于噪音数据和异常数据是敏感,在每次迭代时候会给噪声点较大的权重Adaboost是一种“串行”算法，运行速度较慢

0.0000

1

2

0

关注作者

收藏

dreamhappy2012

AdaBoost运行过程是什么？

AdaBoost运行过程：计算样本权重：训练数据中的每个样本，赋予其权重，即样本权重，用向量D表示，这些权重都初始化成相等值。假设有n个样本的训练集，设定每个样本的权重都是相等的，即1/n 2. 计算错误率：利用第一个弱学习算法h1对其进行学习，学习完成后进行错误率ε的统计 3. 计算弱学习算法权重：弱学习算法也有一个权重，用向量α表示，利用错误率计算权重α：

0.0000

1

2

0

关注作者

收藏

<1…525354…69>

CDA考试动态

CDA报考指南