- 博客(2)
- 收藏
- 关注
RSS订阅原创 机器学习之逻辑回归和softmax回归及代码示例
一、逻辑回归在 机器学习之线性回归 中，我们可使用梯度下降的方法得到一个映射函数hΘ(X)来去贴近样本点，这个函数是对连续值的一个预测。而逻辑回归是解决分类问题的一个算法，我们可以通过这个算法得到一个映射函数f：X-> y，其中X为特征向量，X 为 { x0 x1 x2 x3 x4 … xn }，y为预测的结果。在逻辑回归这里，标签y为一个离散的值。二、判定边界当将训练集的样本以其各个特征为坐标轴在
2016-11-29 16:48:55
17741
2
原创 机器学习之线性回归及代码示例
一、线性回归线性回归一般用来做连续值的预测，预测的结果为一个连续值。因训练时学习样本不仅要提供学习的特征向量X，而且还要提供样本的实际结果（标记label），所以它是一种有监督学习。X= { x0 x1 x2 x3 x4 … xn }。线性回归需要学习得到的是一个映射关系f：X -> y，即当给定新的待预测样本时，我们可以通过这个映射关系得到一个测试样本X的预测值y。在线性回归中，假定输入X和输出y
2016-11-26 00:38:31
17435
1
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