机器学习
beiger
这个作者很懒,什么都没留下…
展开
-
线性回归
线性回归1. 为什么使用a. 模型简单,b. 常常对输入如何影响输出有可结实的描述,c. 在训练数据较少,信噪比较低或稀疏数据的情况下,预测远胜过非线性模型,d. 通过基函数的方法,可以大大扩展其应用范围。2. 使用前提假定回归函数是线性的,或者假定线性模型是一个合理的近似。3. 最小二乘法和最大似然使用最小二乘法有原创 2015-06-19 23:00:47 · 607 阅读 · 0 评论 -
第一章 统计学习方法概论
统计学习统计学习是基于数据构建模型,并运用模型对数据进行预测和分析的一门学科。统计学习对数据的基本假设是同类数据具有一定的统计规律性,即可以用概率统计方法来学习。监督学习的假设是训练数据和测试数据是依联合概率分布P(X,Y)独立同分布产生的,独立同分布就是比如随机变量(X1,Y1)与(X2,Y2)具有相同的概率分布,并且取值相互独立。比如实验条件保持不变,一系列的抛硬币的正反面结果就是原创 2016-04-13 23:05:35 · 646 阅读 · 0 评论 -
第二章 感知机
感知机感知机是二类分类的线性分类模型,它是神经网络与支持向量机的基础。感知机假设数据是线性可分的。对于线性可分数据,感知机学习算法收敛,即经过有限次迭代可以得到一个将训练数据集完全正确划分的分离超平面。感知机算法存在许多解,这依赖于初值的选择和误分类点的选择顺序。为了得到唯一的超平面,需要增加约束条件,比如线性支持向量机。当训练集线性不可分时,算法不收敛,迭代结果会发生震荡。 模型原创 2016-04-14 14:52:21 · 442 阅读 · 0 评论