- 博客(10)
- 收藏
- 关注
原创 机器学习—推荐系统
推荐系统往期内容1. 单变量线性回归2. 多变量线性回归3. 逻辑回归4. 正则化5. BP神经网络6. 机器学习诊断法7. 聚类和降维8. 异常检测问题举例 假设我们有5部电影和4个用户,我们要求用户为电影打分,得到:movieABCDLove at last5500Romance forever5??0Cute puppies of love?40?Nonstop car chases0054Sw
2021-07-10 15:25:02 219
原创 机器学习—异常检测
异常检测往期内容1. 单变量线性回归2. 多变量线性回归3. 逻辑回归4. 正则化5. BP神经网络6. 机器学习诊断法7. 聚类和降维异常检测 异常检测主要用来识别欺骗。例如在线采集而来的有关用户的数据,一个特征向量中可能会包含如:用户多久登录一次,访问过的页面,在论坛发布的帖子数量,甚至是打字速度等。尝试根据这些特征构建一个模型,可以用这个模型来识别那些不符合该模式的用户。该算法有个不同于监督学习的显著特征:训练数据中负向类(???? = 0)数量远远大于正向类(异常数据 ????
2021-07-09 10:59:56 208
原创 机器学习—聚类和降维
无监督学习 — 聚类和降维往期内容1. 单变量线性回归2. 多变量线性回归3. 逻辑回归4. 正则化5. BP神经网络6. 机器学习诊断法聚类k均值算法 K-均值是最普及的聚类算法,算法接受一个未标记的数据集,然后将数据聚类成不同的组。算法步骤总结如下: ① 随机选择K个点作为聚类中心(cluster centroids) ② 对于数据集中的每一个数据,按照距离????个中心点的距离,将其与距离最近的中心点关联起来,与同一个中心点关联的所有点聚成一类 ③ 计算每一组的平均值
2021-07-08 15:05:56 1179 1
原创 机器学习—机器学习诊断法
机器学习—机器学习诊断法往期内容1. 单变量线性回归2. 多变量线性回归3. 逻辑回归4. 正则化5. BP神经网络机器学习诊断法 在使用机器学习算法时,如果预测结果出现较大的误差该如何改进自己的算法呢?获取更多的训练实例通常是有效的,但代价较大。通常还可以尝试增加/减少特征的数量、增加多项式特征、增加/减少正则化程度…我们可以通过“机器学习诊断法”来选择上诉方法。偏差和方差 前面正则化的内容中有提到欠拟合和过拟合两个概念,一般来讲,高偏差(high bias) 和高方差(high
2021-07-07 21:43:02 703
原创 机器学习—多变量线性回归
多变量线性回归往期内容单变量线性回归案例波士顿房价预测:对房价模型增加更多的特征,如房间数目、楼层数、房屋的使用年龄,如下表size(feet2feet^2feet2)bedrooms_numfloors_numhome ageprice2014514546014163240232……………模型表示hθ(x)=θ0+θ1x1+θ2x2+...+θnxnh_\theta(x)=\theta_0+\theta_1x_1+\theta
2021-06-02 19:23:09 191
原创 机器学习—单变量线性回归
单变量线性回归案例波士顿房价预测,给出不同面积的房屋价格,预测其它面积的房屋模型表示hθ(x)=θ0+θ1xh_θ(x)=\theta_0+\theta_1xhθ(x)=θ0+θ1x其中:θ0\theta_0θ0和θ1\theta_1θ1为代求参数代价函数J(θ0,θ1)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta_0,\theta_1)=\frac{1}{2m}\sum_{i=1}^m{(h_\theta(x^{(i)})-y^{(i)})^2}J(θ0,θ
2021-06-02 00:27:25 348 5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人