- 博客(5)
- 收藏
- 关注
RSS订阅原创 线性回归的梯度下降
在前两篇文章中介绍了线性回归模型，梯度下降算法，代价函数。这篇文章主要是将梯度下降算法与代价函数结合得到线性回归算法，使其可用来拟合直线模型。如下图，左边为梯度下降算法，右边为假设函数h以及代价函数J，我们要做的就是将梯度下降算法应用到最小化代价函数。在将代价函数代入到梯度下降算法时，需要注意一点也是比较难理解的一点就是对代价函数求偏导，需注意求偏导时自变量是谁，是0和1，所以是对0和1分别求偏导，这里不妨将这个偏导设为Z。当对0求偏导时，根据显函数的求偏导的法则，先对平方项整体求一次导出来..
2022-04-23 18:05:04
1226
原创 机器学习之梯度下降
梯度下降算法适用于许多函数，不单单可以求出线性回归函数的最小值。求最小值过程为，先设定初始的0，1，往往都设置为零，然后逐渐的移动0，1去减少代价函数J，直到找到函数J的最小值梯度下降算法有一个特点就是选择不同的起始点，会得到不同的局部最优解。梯度下降算法的数学原理，在公式中被称为学习率，用来控制梯度下降时我们迈多大的步子，越大则梯度下降越快。需注意在进行计算梯度下降算法时，需要对每个参数同时进行求偏导，并同时更新。...
2022-04-21 10:24:51
285
原创 机器学习之线性回归
本文主要介绍监督学习的线性回归算法。前导知识：其中m表示数据集的个数，x表示输入值或者是事物的特征或属性，y表示输出值或者预期值。（x,y）表示一个训练样本。如果想要表示具体的训练样本需要加上上标。监督学习算法工作流程：将一些数据集交给学习算法，学习算法将给出一个函数（h），通过该函数可以通过输入值预测输出值。在线性回归中函数h为一元函数怎样判断函数h与实际数据的拟合度？这里引入了代价函数J，代价函数J是关于0与1的函数，即方差再除以1/2.函数J值的大小反映了假设函数h的拟合度，代价函
2022-04-18 21:46:27
588
原创 什么是机器学习？什么情况下使用机器学习？
什么是机器学习？答：Arthur Samuel ：机器学习是在没有明确设置的情况下，使计算机具有学习能力的研究领域。Tom Mitchell：机器学习是计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过性能度量P来测定在任务T上的表现因经验E而提高。举例：如跳棋游戏，经验E为程序与自己下几万次跳棋，任务T就是玩跳棋，性能度量P是与新对手玩跳棋时赢得概率。考查举例：现有一程序以实现自动过滤垃圾邮件邮件的功能。试回答那个是E,T,P？1.将邮件分类为垃圾邮件或者不是垃圾邮
2022-04-09 11:16:43
1384
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