机器学习实战学习笔记一

一.误差
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

讲的很不错,我最初学机器学习就是看吴恩达的课程,当初他就讲了平方项误差是由高斯分布通过极大似然求得的,当时还不是特别理解,之后很多的教材也没有对这方面进行解释,没想到这里给推导了一遍,很不错。

在这里插入图片描述
这张幻灯片有一个问题, X θ X\theta Xθ都是列变量是不能相乘的,这里应该有一个转置。
注意:能用这个方式直接求出结果的条件很苛刻那就是 X T X X^TX XTX必须是非奇异矩阵,大部分实际条件下,这个条件并不满足,所以我们并不这样用。

在这里插入图片描述
这里的评估方法没有直接使用残差平方和,而使用了一个比值。

二.梯度下降
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

梯度下降算法这部分没有讲好,并没有讲梯度下降算法是怎么推导出来的,在机器学习基石视屏里面这个有详细的推导。

三.逻辑回归
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上面这几张图虽然精简但是将逻辑回归讲的非常全面了

以上图片来自:唐宇迪大数据分析与机器学习
侵删

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值