- 博客(2)
- 收藏
- 关注
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