机器学习
文章平均质量分 88
「已注销」
这个作者很懒,什么都没留下…
展开
-
机器学习入门系列四(关键词:BP神经网络)
在这里我就不介绍神经网络的起源发展和基本概念了,让我们专注于BP神经网络的算法。为了方便说明,我们做出如下如下神经网路用于解决分类问题,其中输入层有3个单元(含1个偏置项),第1个隐藏层有3个单元(含1个偏置项),第2个隐藏层有3个单元(含1个偏置项),输出层有2个单元。 符号 意义 xx 样本输入向量 xix_i 样本输入向量第ii个分量 yy 样本输出向量 z(原创 2016-01-12 15:28:11 · 2445 阅读 · 0 评论 -
机器学习入门系列三(关键词:逻辑回归,正则化)
一、逻辑回归1.逻辑回归什么是逻辑回归问题,通俗地讲就是监督下的分类问题。通过前面的学习,我们已经掌握如何解决线性(非线性)回归的问题。那面对分类问题我们是否也可以用线性回归呢?简单起见,我们先讨论二元分类,首先让我们来看一个例子,肿瘤的大小与是否是恶性的关系,其中红色的×\times表示肿瘤大小,对应的yy轴表示是否为恶性。 我们对数据进行线性回归,得到了一条很完美的直线。我们可以规定,当拟原创 2016-01-06 20:10:32 · 2441 阅读 · 0 评论 -
机器学习入门系列二(关键词:多变量(非)线性回归,批处理,特征缩放,正规方程)
在#机器学习系列一#中,我们讨论了单变量的线性回归,而多变量的线性回归与单变量类似。首先我们来看一个例子,下表是波特兰的房子价格,针对不同的房屋面积和卧室间数。 房屋面积/ft2ft^2 卧室/间 价格/美元 房屋面积/ft2ft^2 卧室/间 价格/美元 2104 3 399900 1962 4 259900 1600 3原创 2016-01-03 22:57:25 · 4934 阅读 · 0 评论 -
机器学习入门系列一(关键词:单变量线性回归,梯度下降法)
如上图所示,我们的目标是希望通过这些数据得到城市人口数和利润可能的对应关系,并可以通过城市人口数(利润)来预测它的利润(城市人口数),在这里我们先规定一下符号记法。 符号 含义 mm 训练样本的个数 xx 训练样本中的输入变量(特征) yy 训练样本中的输出变量(特征) (x,y)(x,y) 训练样本 hθ(x)h_\theta(x) 输入变量xx与输出原创 2015-12-30 17:13:25 · 2696 阅读 · 1 评论 -
卷积神经网络(CNN)讲解及代码
相关文章: 1. 经典反向传播算法公式详细推导 2. 卷积神经网络(CNN)反向传播算法公式详细推导网上有很多关于CNN的教程讲解,在这里我们抛开长篇大论,只针对代码来谈。本文用的是matlab编写的deeplearning toolbox,包括NN、CNN、DBN、SAE、CAE。在这里我们感谢作者编写了这样一个简单易懂,适用于新手学习的代码。由于本文直接针对代码,这就要求读者有一定的CN原创 2016-06-07 14:37:17 · 32381 阅读 · 15 评论 -
卷积神经网络(CNN)反向传播算法公式详细推导
在看本篇博文之前,你需要对卷积神经网络有一定的理解,并且能够自主推导出经典BP神经网络反向传播的相关公式。原创 2016-07-18 20:56:15 · 42853 阅读 · 20 评论 -
经典反向传播算法公式详细推导
最近学习CNN时,对反向传播的算法模棱两可,公式经常是提起笔就忘记,而且网上的推导看着就烦。于是趁着现在明白了,赶紧写篇博文,留作日后参考。原创 2016-07-09 18:26:20 · 9296 阅读 · 3 评论