拟合非线性回归模型的艺术通常始于选择模型形式。 此提交试图向读者传授一个简单但通用的模型范式，将其作为基本形状的总和，然后移动和缩放以适应数据。
我已经包含了基本形式的寓言，每个形式都已绘制。 每个表格也有一些基本特征的描述，例如限制和其他特殊值。
谁可能希望阅读此提交？ 任何对将经验模型拟合到他们的 (1-d) 数据感兴趣的人，尽管这里的许多想法也适用于更高维度的问题。
请将我犯的任何错误以及我未能包含在动物书中的任何有趣的功能形式通过电子邮件发送给我。
2022-06-20 16:02:04
45KB
1
BELMKN：贝叶斯极限学习机Kohonen网络
无监督的极限学习机（ELM）是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取，聚类预测，最后使用k-means进行聚类。
客观的
要使用Unsuoervised Extreme Learning Machine执行非线性特征学习，使用贝叶斯信息准则（BIC）预测数据集中的聚类数，最后使用k-means，自组织图/ Kohonen网络和EM算法进行聚类
模组
无监督的极限学习机：在此模块中，使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法，其中输入层和隐藏层之间的权重被随机初始化，并且使用目标函数计算隐藏层和输出层之间的权重。 因此，可以保证收敛于全局最小值。
贝叶斯信息准则：贝叶斯信息准则是一种统计方法，使用d来找出数据集中的聚类数。 它使用期望最大化（EM）算法来查找数据集中的
2022-06-18 21:43:48
1.89MB
1