Học máy
Gradient Descent
ID: #59
Xem trên trang chủ
Thời gian (Time)
O(iterations * n)
Không gian (Space)
O(n)
Mô tả nguyên lý
Thuật toán tối ưu lặp để tìm điểm cực tiểu của hàm mất mát.
Cài đặt mẫu (Implementation)
function gradientDescent($X, $y, $theta, $alpha, $iters) {
$m = count($X);
for ($i = 0; $i < $iters; $i++) {
$pred = array_map(function($r) use ($theta) { return $r[0]*$theta[0] + $r[1]*$theta[1]; }, $X);
$err = array_map(function($p, $a) { return $p - $a; }, $pred, $y);
$theta[0] -= ($alpha / $m) * array_sum(array_map(function($e, $r) { return $e * $r[0]; }, $err, $X));
}
return $theta;
}
Học máy
K-Means Clustering
ID: #60
Xem trên trang chủ
Thời gian (Time)
O(Iter * K * n * d)
Không gian (Space)
O(K + n)
Mô tả nguyên lý
Thuật toán phân cụm không giám sát, chia n điểm dữ liệu thành K cụm.
Cài đặt mẫu (Implementation)
// Lặp lại việc gán nhãn cụm cho mỗi điểm và cập nhật lại tọa độ tâm cụm.
Học máy
K-Nearest Neighbors (KNN)
ID: #61
Xem trên trang chủ
Thời gian (Time)
O(n * d)
Không gian (Space)
O(n * d)
Mô tả nguyên lý
Thuật toán phân loại học máy dựa trên khoảng cách gần nhất với K mẫu láng giềng.
Cài đặt mẫu (Implementation)
// Tính khoảng cách Euclidean từ điểm cần dự đoán tới toàn bộ tập huấn luyện.
Học máy
Naive Bayes Classifier
ID: #62
Xem trên trang chủ
Thời gian (Time)
O(n * d)
Không gian (Space)
O(c * d)
Mô tả nguyên lý
Bộ phân loại xác suất dựa trên định lý Bayes với giả định các đặc trưng độc lập.
Cài đặt mẫu (Implementation)
// Tính xác suất có điều kiện P(Class | Features) cho từng phân loại.