Machine Learning
Clark.Ding
这个作者很懒,什么都没留下…
展开
-
动态规划学习笔记
一、适用问题: 有重叠子问题和最优子结构性质的问题,动态规划方法所耗时间往往远少于朴素解法 二、思想: 用于优化递归问题,如斐波那契数列,可以减少计算量 动态规划仅仅解决每个子问题一次,具有天然剪枝功能,从而减少计算量 某个给定子问题已算出,则将其存储,以便解决下一个相同子问题时直接查表 三、步骤: 确定动态规划状态 写出状态转移方程 考虑初始化条件 考虑输出状态 考虑对时间、空间复杂度的优化 四、学习资料: https://people.cs.clemson.edu/~bcdean/dp_practi原创 2020-08-23 16:43:17 · 128 阅读 · 1 评论 -
机器学习笔记一:Logistic回归
Logistic回归 一、概览: 二类分: $ y\in{0, 1} $ 的分类问题,0 表示负类,1表示正类 Logistic回归用于解决分类问题 二、假设函数: sigmoid函数: When0<=hθ(x)<=1 When 0 <= h_\theta(x) <= 1 When0<=hθ(x)<=1 hθ(x)=g(θTx) h_\theta(x) = g(\theta^Tx) hθ(x)=g(θTx) g(z)=11+e−θTx g(z) = \frac {1}原创 2020-08-20 22:28:29 · 110 阅读 · 0 评论 -
分治算法学习笔记
参考:https://blog.csdn.net/weixin_44489823/article/details/92799755 一、概览: 思想:将复杂问题分成多个相同或相似的子问题,再将子问题分成更小的子问题,直到最后的子问题能用简单的方式直接求解,原问题的解就是子问题解的合并。 二、适用场景: 原问题的计算复杂度随问题规模的增加而增加 原问题可被分解为更小的子问题 子问题的结构和性质与原问题相同,且相互独立,子问题间不包含公共的子问题 子问题的解可以合并为该问题的解 三、基本步骤: 分解 解决原创 2020-08-19 20:48:42 · 168 阅读 · 0 评论