机器学习
文章平均质量分 95
古希腊小斑鸠
学无止尽
展开
-
[ML笔记]梯度下降和线性梯度下降
引导前一篇讲解代价函数作用,在监督学习的回归问题上,我们使用代价函数求解最优解,以确定假设函数。 代价函数公式 J(θ0,θ1)=12m∑m1(hθ(xi)−yi)2J(θ_0,θ_1) =\frac{1}{2m}\sum_1^m(h_θ(x_i)-y_i)^2 上文也提到,在参数较为复杂的情况下,代价方法的轮廓图可能如下图,改如何找到合适的θ0,θ1θ_0,θ_1呢?梯度下降梯原创 2017-07-13 17:35:42 · 993 阅读 · 0 评论 -
[ML笔记]模型表示与代价函数
引导线性回归属于监督学习,因此方法和监督学习应该是一样的,先给定一个训练集,根据这个训练集学习出一个线性函数,然后测试这个函数训练的好不好(即此函数是否足够拟合训练集数据),挑选出最好的最好那个训练函数(代价函数)即可。模型表示 xx 含义 x(i)x^{(i)} 输入变量 y(i)y^{(i)} 输出变量 (x(i),y(i)x^{(i)}, y^{(i)}) 一个训原创 2017-07-12 14:20:45 · 581 阅读 · 0 评论 -
[ML笔记]监督学习与无监督学习
引导在监督学习中,我们有一组数据集,而且我们准确的知道这个数据集的输出结果是什么,我们就知道在输入和输出之间是存在一定关系的。基本定义监督学习是指:利用一组已知类别样本调整分类器的参数,使其达到所要求性能的过程。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。监督学习分类监督学习问题通常分为两类:regression(递归)和classification(分类)问题。 regressi原创 2017-07-06 23:31:18 · 597 阅读 · 0 评论 -
[ML笔记]前言&什么是Machine Learning?
前言从今天开始学习Machine Learning相关知识,先从Andrew Ng的基础课程开始。什么是Machine Learning?Arthur Samuel定义 The field of study that gives computers the ability to learn without being explicitly programmed. 在未明确编程的情况下,原创 2017-01-19 21:55:08 · 314 阅读 · 0 评论 -
[ML笔记]数学复习篇(未完成)
引言高数篇线性代数篇概率论篇原创 2017-07-18 21:04:40 · 207 阅读 · 0 评论 -
[ML笔记]多元线性回归
才发现这篇文档在草稿箱里呆了一个多星期了,上周因为公司的一个事情,第二周的Coursera课程没有完成~~|||引言引言被笔者吃了。多元特征(Multiple Feature) 内容 含义 m 训练样本个数 n 特征个数,比如有θ1,θ2,θ3,θ4那么n=4θ_1,θ_2,θ_3,θ_4那么n=4 x(i)x^{(i)} 第i个训练样本的所有输入特征,可以认为是一组特原创 2017-07-18 23:20:16 · 448 阅读 · 0 评论