- 博客(4)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 coursera斯坦福大学机器学习笔记（4）：逻辑回归（Logic Regression）分类（classification）
面对一些类似回归问题，我们可以通过线性回归方法来拟合一个函数，以此来预测数据，但它的输出是连续的。有时候呢，我们需要一种方法给出一个判定结果，例如”同意(agree)”、”不同意(disagree)”。、下面呢就是关于这个方法的新内容，叫做分类(Classification)问题。又例如，如果我们需要预测一辆汽车是好的还是坏的，只有两种结果：好、坏。这种输出为0或者1的问题，就叫做分类问题，而我们...
2018-04-24 11:52:20
931
原创 coursera斯坦福大学机器学习笔记（3）：多元线性回归（Linear Regression with multiple variables）
多元线性回归多元线性回归中的样本x包含多种特征如上图所示，x包含了四种特征（面积，卧室数量，层数，已使用年数）。符号说明：n：样本的特征数量。x(i)：第i个样本（向量）。xij：第i个样本的第j个特征值。我们仍然假设函数是一条直线：hθ(x)=θ0+θ1x1+θ2x2+θ3x3+...+θnxn（注意n代表了样本的特征数量）其中x0始终为1。所以上面两个函数是等价的。 我们记得到预测函数的向量表...
2018-04-24 10:24:43
345
原创 coursera斯坦福大学机器学习笔记（2）：线性回归(Linear Regression)和梯度下降(Gradient Decent)
上一篇文章coursera斯坦福大学机器学习笔记（1）主要讲了机器学习概念及intruduction这一篇文章我将继续讲述回归的概念及表示方法。线性回归（Linear Regression）应该是机器学习中最基本的东西了。所谓回归，想必大家在高中时期的课程里面就接触过，给定一系列离散的点(x0,y0)，求一条直线 f(x)=ax+b 以使得各点与直线的距离之和最小。在machine learnin...
2018-04-23 17:03:35
264
原创 coursera斯坦福大学机器学习笔记（1）：机器学习概念及intruduction
最近学习完了在coursera上面吴恩达教授的机器学习课程，感觉还不错而且难度适中适合初学者。现在我将总结我所学习到的所有知识以及额外的我认为有必要补充的数学概念。我将尽可能的将这些知识融合起来帮助大家更好的理解相关的概念以及算法背后的数学原理。 第一章主要介绍机器学习的相关概念。Tom M. Mitchell给出了机器学习的定义：一个计算机程序能够从经验E中学习（学习任务是T，学习...
2018-04-23 11:21:57
404
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人