Machine Learning
文章平均质量分 83
Tony L.Du
风吹浪打,不忘初心
展开
-
机器学习(三)线性模型
概念储备: 线性关系是指自变量x与因变量y之间可以表示成y=ax+b ,(a,b为常数),即说x与y之间成线性关系。 线性关系假设即X与Y在总体上具有线性关系,这是一条最基本的假设,也就是说回归分析一定要建立在变量之间存在线性关系的基础上。如果变量之间不存在线性关系时,需要使用非线性模型。 本-量-利分析的线性关系假设,首先是指固定成本与产量无关,变动成本与业务量(产量)成正比例关系,其次通原创 2016-11-25 16:42:58 · 2439 阅读 · 0 评论 -
机器学习(二) 模型评估与选择
错误率: 分类错误的样本数占样本总数的比例成为“错误率”。精度 : 精度 = 1 - 错误率。泛化误差: 训练结果在新的测试集上的误差。过拟合:训练将本身的一些特点当做了潜在的一般性质进行了学习。欠拟合:对训练样本的一般性质尚未学好。关于NP问题,机器学习面临的问题通常是NP难甚至是更难的问题,而有效的学习算法必须是多项式时间内的。若可彻底避免过拟合,则通过经验误差最小化就能获得最优解,这就意味着我原创 2016-11-22 12:37:19 · 955 阅读 · 0 评论 -
机器学习(一)初识机器学习
(1)初识机器学习:一.概念:将 规律 用于对未来 不确定 场景的决策。 规律:从历史数据中总结通常 来自数据分析师 ———让机器代替 从数据中寻找规律 规律—自动生成————>决策 历史几十年,,,,有大数据引出,,概率论与数理统计(基石)统计学(受限于计算能力限制,低端计算机) 统计学:抽样调查,(有缺陷)————>验证 抽样—>描述统计—>假设检验(统计推断) 发展到,对全部原创 2016-11-11 19:03:20 · 1066 阅读 · 0 评论