[请教]关于matlab实现自学习

去看台大林轩田的机器学习吧，第一个还是第二个作业就让写这个，简单的线性分类

谢谢!是哪本书呢?《机器学习基石》还是《机器学习技法》? 【 在 silvermoon 的大作中提到: 】 : 去看台大林轩田的机器学习吧，第一个还是第二个作业就让写这个，简单的线性分类

基石，技法是进阶的课程 【 在 btcc 的大作中提到: 】 : 谢谢!是哪本书呢?《机器学习基石》还是《机器学习技法》? :

请教一个问题: 我的期望实际上是一个向量,而非标量,这个怎么解决呢?似乎神经网络的函数参数中很多期望都是标量非向量。 【 在 silvermoon 的大作中提到: 】 : 基石，技法是进阶的课程

你指的期望是什么？ 【 在 btcc 的大作中提到: 】 : 请教一个问题: : 我的期望实际上是一个向量,而非标量,这个怎么解决呢?似乎神经网络的函数参数中很多期望都是标量非向量。 :

目的：对N个1行5列的向量训练计算出5列的权重，当输入A1=[0，1，1，1，0]时，根据权重表B={w1,w2,w3,w4,w5}，输出向量C1=[0，1，0，0，0]（这里假设训练后的权重w2,w3,w4中，w2权重最大，仅且输出一个权重最大的那列为1）； 已知几十个如下训练样本，正向样本是正确的期望，反向样本是错误的期望，同时用正反向的样本是为了加快收敛： 正向样本： 输入A1=[0，1，1，1，0]，期望输出C1=[0，1，0，0，0]； 输入A3=[0，1，1，0，0]，期望输出C3=[0，1，0，0，0]； 输入A5=[0，0，0，0，1]，期望输出C5=[0，0，0，0，1]； …… 反向样本： 输入A2=[0，1，0，1，1]，不期望输出C2=[0，0，0，0，1]； 输入A4=[0，1，1，1，0]，不期望输出C4=[0，0，1，0，0]； …… 主要希望采用神经网络算法或者机器学习，构造函数自动训练计算出权重B={w1,w2,w3,w4,w5}。 问题1、我已知神经网络算法中的函数，可以解决期望为标量的情况，无法解决期望为向量的情况，是否还有其他函数和方法可以解决这个问题？ 问题2、如果训练样本中存在杂质，正向样本中存在奇数或者偶数个相对立的样本（如下），那么，神经网络算法能否改进并收敛？ 奇数个对立样本： 输入 A7=[0，0，1，1，0]，期望输出 C7=[0，0，1，0，0]； 输入 A9=[0，0，1，1，0]，期望输出 C9=[0，0，1，0，0]； 输入A11=[0，0，1，1，0]，期望输出C11=[0，1，0，0，0]； 偶数个对立样本： 输入 A7=[0，0，1，1，0]，期望输出 C7=[0，0，1，0，0]； 输入 A9=[0，0，1，1，0]，期望输出 C9=[0，0，1，0，0]； 输入A11=[0，0，1，1，0]，期望输出C11=[0，1，0，0，0]； 输入A13=[0，0，1，1，0]，期望输出C13=[0，1，0，0，0]； 【 在 silvermoon 的大作中提到: 】 : 你指的期望是什么？

如果是01组合的话是不是把它当成binary code，10000可以转成十进制16之类的，分完类你自己再做decode。要不你就用neural network？或者，直接上5个svm，分别对应你label里5个维度？做binary的classification。 【 在 btcc 的大作中提到: 】 : 目的：对N个1行5列的向量训练计算出5列的权重，当输入A1=[0，1，1，1，0]时，根据权重表B={w1,w2,w3,w4,w5}，输出向量C1=[0，1，0，0，0]（这里假设训练后的权重w2,w3,w4中，w2权重最大，仅且输出一个权重最大的那列为1）； : 已知几十个如下训练样本，正向样本是正确的期望，反向样本是错误的期望，同时用正反向的样本是为了加快收敛： : 正向样本： : ...................