2016年05月_softee

11月 10月 08月 06月 05月 04月 03月 02月 01月

原创斯坦福大学机器学习笔记(4)-logistic回归

概念logistic回归，是输出为0或1的布尔值的回归，或者也可以为视为介于0和1之间的实数值的一个概率。不能用线性的方式来表示logistic回归，因为很难用线性拟合，如下图所示，就很难用直线来拟合图中的采样点。对于logistic回归，需要用一种不同于线性表达式的函数来拟合，而且函数的取值范围介于0和1之间。这样的函数定义如下。 g(z)=11+e−zg(z)=\frac{1}{1

2016-05-27 22:47:23 1126

原创斯坦福大学机器学习笔记(3)--梯度下降及学习速度

线性回归中的梯度下降线性回归函数的形式如下： hθ=θ0+θ1x1+θ2x2h_{\theta}=\theta_0+\theta_1x_1+\theta_2x_2。代价函数用方差来表示，被定义为： J(θ)=12mΣmi=1(θTx(i)−y(i))2J(\theta)=\frac{1}{2m}\Sigma_{i=1}^{m}(\theta^Tx^{(i)}-y^{(i)})^2。式子中

2016-05-25 15:50:56 1689

原创斯坦福大学机器学习笔记(2)

梯度下降(gradient descent)梯度下降利用迭代的方法，更新θ\theta参数，以提高回归问题中拟合的准确性。其步骤如下。以某个初值来初始化θ\theta，例如θ=(0.1,0.2,0.3)T\theta=(0.1, 0.2, 0.3)^T使用J(θ)J(\theta)来表示代价函数，不断更新其中θ\theta的值来最小化J(θ)J(\theta)，对于θ\theta中的每个向量元素

2016-05-22 17:29:45 791

原创斯坦福大学机器学习笔记(1)

斯坦福大学机器学习笔记：监督学习和线性回归。

2016-05-20 23:33:05 1462

龙书英文版

龙说，编译器领域的权威之作。不过是英文版的，但是，对于搞研究的人来说，英文版应该不是问题。

2013-10-23

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 斯坦福大学机器学习笔记(4)-logistic回归

原创 斯坦福大学机器学习笔记(3)--梯度下降及学习速度

原创 斯坦福大学机器学习笔记(2)