CSMrZ的博客

定义机器学习：对于一个具体的任务T，通过学习得到的经验E，不断的调整以优化它的性能P。（例如：对于判断邮件是否为垃圾邮件的任务，通过学习分类后得到的正确的或错误的标签，不断调整来尽可能使大部分标签正确）分类Supervised learning监督学习：给定的数据集有确定的标签，根据这些标签来进行学习，多用于回归（房价的预测）和分类（肿瘤良性判断）英文单词（malignant：恶性，benign:...

Model Representation（模型构建） 以房价预测为例，假设有如下可供训练的数据集(数据总量为m)： 住宅面积 (x) 销售价格(y) 123 45w 145 55w 120 42w … … 80 30w 将这些点绘制在直角坐标系上则为： 其中x是住宅面积，y是销售的价格，那么假设预测函数为...

一.多元线性 在上一节中提到了线性回归,不过特征量x只有1个,当特征量大于1个时,如下表: 住房面积x1x1x_1 层数x2x2x_2 卧室个数x3x3x_3 住宅年数x4x4x_4 售出价格y 2104 5 1 45 460 1416 3 2 40 232 1534 3 2 30 315 ...

标准化方程 在前面的梯度下降法中我们提到过如何用矩阵来表示线性回归:θTX=YθTX=Y\theta^TX=Y那么是否可以直接用矩阵运算来解决参数θθ\theta的取值问题呢?答案是可以的,即利用如下公式便可一步得到θθ\theta的值:θT=Y(XTX)−1XTθT=Y(XTX)−1XT\theta^T=Y(X^TX)^{-1}X^T 但是该式子会引出以下在线性代数的相关问题. 为什么不直...

一.array属性 首先创建一个array: array=np.array([[1,2,3],[3,4,5]] array.ndim #array的维度 array.shape #array的形状 array.size #array数据多少 二.array的创建 a=np.array(list,dtype)#通用格式 a=np.zeros((m,n))#生成m*n的全零矩阵 ...

1 pandas数据结构 1.1 series s=pd.Series([1,2,3,np.nan,5,6]) pandas中的序列,接受参数为列表,默认索引为0,1,2…. 1.2 DataFrame dates=pd.date_range('20180310',periods=6) df = pd.DataFrame(np.random.randn(6,4), index=d...

前言 在学习和实践了线性回归模型后,我们终于来到了下一站——分类问题,分类问题中经典的算法称为逻辑回归. 逻辑回归模型引入 给定一些样本以后,我们首先需要选用一个合适的样本估测函数去估计样本值,首先如果使用线性函数去模拟可以吗?现在想要预测肿瘤良性与肿瘤大小的关系,看下面这些样本在坐标系上的分布. 此时使用线性回归可以得到如下图形:...

过拟合 在进行逻辑回归和线性回归时可能出现欠拟合和过拟合现象，欠拟合和过拟合均无法有效的应用到未测试数据中，过拟合对输入的实验数据的拟合效果异常完美，但是对未加入的数据拟合结果很差。下面三个图分别代指欠拟合，拟合良好和过拟合。（图片来自大牛吴恩达的课程） 产生过拟合的原因 特征量太多，而测试数据太少。 解决方法 1.人为的舍弃特征量（略） 2.正则化 正则化的基本思想是在...