- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 机器学习-梯度下降算法
1.引言虽然我们知道，代价函数Jθ的表达式，但是还不知道怎么去确定假设函数hθ(x)的所有参数θ0,θ1 ... θn，使得Jθ值最小。我们还是假设hθ(x)是一个线性函数，并且只有2个参数θ0,θ1，对应特征向量x只有1维我们的目标是使得J(θ0,θ1)最小我们可以采用以下方法，尝试找到J(θ0,θ1)最小值给θ0, θ1一个初始值，例如都等于0不断改变θ0, θ1的值，并且满足J(θ0,θ1)
2016-07-31 22:23:39
10701
2
原创 【Python-38】手把手教你编写-微信机器人
一. 引言 我们都知道，微信提供了多种登录的方式，包括手机端、电脑端以及web端。 web端的登录，我们用Python程序完全可以模拟出来~~（如果你不知道，那也没关系，稍微了解下Python request session即可） 而所谓的机器人实际上就是后台一个智能的程序，类似“微软小冰”，“iPhone siri”。今天我们要用的是一个开放的机器人AP...
2016-07-30 15:29:42
40449
13
原创 机器学习-监督学习-cost function
1.引言当我们的训练集如下图1所示，可以假设hypothesis函数如图2θ0和θ1我们称为hθ(x)函数的2个参数，h是x的函数，所以有时候也记着h(x)对于这个已有的hypothesis，我们需要什么方法来评估这个假设函数的好坏呢？因此我们定义了一个叫"代价函数"cost function 来评估当前hθ(x)函数2. 代价函数cost function也叫作loss function，就是对
2016-07-30 00:15:47
4846
原创 机器学习-监督学习-线性回归
一.引言机器学习中的回归问题属于有监督学习的范畴，回归问题的目标是给定D维输入变量x，并且每一个输入矢量x都有对应的值y， 要求对于新来的数据预测它对应的连续的目标值t。 比如下面这个例子：假设我们有一个包含47个房子的面积和价格的数据集如下： 我们可以在Matlab中画出来这组数据集，如下： 看到画出来的点，是不是有点像一条曲线？ 我们可以用一条曲线去尽量拟合这些数据点，那么对于新来的输入，我
2016-07-28 23:54:33
1329
原创 机器学习-入门介绍
一. 背景在机器学习中，有2个很大的思路监督学习(supervised learning)和非监督学习(unsupervised learning) 监督学习，用通俗的话来说就是你知道问题的答案，需要计算机给出一个更标准的答案。 非监督学习，用通俗的话来说就是物以类聚，人以群分。我们拿到了很多数据，但是不知道问题的答案，希望计算机给我们提供思路。 在生产环境中，往往采用混合模式。比如图片搜索，如何
2016-07-28 23:53:10
950
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人