- 博客(4)
- 资源 (4)
- 收藏
- 关注
原创 斯坦福机器学习3之Logistic建模
一:模型引入 对于分类问题,最终预测值是离散的,线性回归不能很好地对这类问题进行建模。Logistic模型是对于y∈{0,1}分类问题的可靠模型,其可靠性在GLM理论中得到验证和说明。 二:模型说明 1)该模型不是直接对变量x对应的类别号进行预测,而是对其属于类别1的概率进行预测。显然,如果这个概率大于0.5,我们则可以认为x属于类别1,否则属于类别0。 2)模型参数
2015-12-27 23:54:13 4318 1
原创 斯坦福机器学习3之局部线性回归建模
**【模型引入】**当我们需要对某输入变量x进行预测时,若使用线性回归对问题进行建模,算法流程是这样的:首先:使用最小二乘法或者极大似然法,基于梯度下降或正规方程法求解模型参数theta,确定模型;最后:返回输入变量的预测值y= theta’ * x然而当线性建模并不能很好地描述问题时,我们便不能再使用这种方式来对变量x进行预测了。举个简单例子,对于y=exp(x)的实际问题,若以y=the
2015-12-26 14:55:43 3046 2
原创 斯坦福机器学习2:监督学习应用
斯坦福机器学习第二讲学习笔记及MATLAB实现版权声明:本文为博主原创文章,未经博主允许不得转载。 第一部分–笔记一:内容提纲 1:线性回归 2:梯度下降 3:正规方程组 二:学习内容 学习第一个监督学习算法,同时也属于线性回归问题范畴,教学引入例子是房价预测问题。本节课程提供了线性回归问题两种求解方法—梯度下降和正规方程组法。
2015-12-15 23:54:56 1446
MFC ICON替换.rar
2020-06-24
斯坦福机器学习第三课Logistic回归和LWR的MATLAB实现与测试代码以及笔记
2015-12-28
斯坦福机器学习第2课线性回归matlab实现和测试代码及笔记
2015-12-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人