- 博客(4)
- 收藏
- 关注
RSS订阅原创 线性回归，梯度下降
线性回归1.线性回归简介线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的变量关系的一种统计分析方法，运用十分广泛。回归分析中，如果只包括一个自变量和一个因变量，且两者的关系可以用一条直线来表示，这种回归分析成为一元线性回归分析；如果回归分析中包括两个或两个以上的变量，且因变量和自变量之间是先线性关系，则称为多元线性回归分析。2.线性回归分析的一般形式3.回归分析可以解决的问题1.建立变量之间的数学公式，通常称为经验公式。2.利用概率统计基础知识进行分析，从而判断所建立
2021-04-26 22:41:43
241
1
原创 矩阵分解
三、用梯度下降来解决矩阵分解问题3.1预测矩阵预测矩阵一般用符号R`来表示，有，（与R的维度相同，其中 是第i行第j列的元素值。3.2构造损失函数（平方法） 使用原始的评分矩阵R与重新构建的评分矩阵之间的误差的平方作为损失函数，即：通过梯度下降法，更新变量：求导：根据负梯度的方向更新变量：四、过拟合问题4.1 理论概述过拟合问题（over-fitting）指为了得到一致的假设而使假设变得过度严格（这里的假设可以理解为构建的函数模型）。简单来说就是在训练集中训练出过于完美的模拟，而在测
2021-04-15 11:31:15
148
原创 AI-梯度下降
梯度下降1 梯度下降原理概述梯度下降法（gradient descent）是一个最优化算法，也称为最速下降法（steepest descent）核心公式为： （其中α为步长，也叫学习率）2 梯度下降的理论解释2.2.1 问题导入如下图所示，假设左侧曲线为一个山坡，某人在A点，他被困在山上，需要从山上下来(找到山的最低点，也就是山谷I)。但此时山上的浓雾很大，导致可视度很低。因此，下山的路径就无法确定，他必须利用自己周围的信息去找到下山的路径。2.2.2 问题分析这个时候，他就可以利用梯度下降算
2021-04-12 20:44:01
638
原创 AI学习——协同过滤
推荐算法–协同过滤什么是协同过滤协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。协同过滤是迄今为止最成功的推荐系统技术，被应用在很多成功的推荐系统中。电子商务推荐系统可根据其他用户的评论信息，采用协同过滤技术给目标用户推
2021-04-05 17:00:54
1271
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