机器学习
favor_
这个作者很懒,什么都没留下…
展开
-
机器学习-第一天-机器学习的概念
机器学习实际上是从一堆数据中得到一个可以对应的预测的结果。 假设这些数据集为X,对应的预测结果为Y。 机器学习真正要做的工作是寻找一个函数,如何将X更好的映射到Y,即寻找一个f=X->Y 但是往往现实情况下不可能寻找到一个函数使得数据集中的每个x都能得到一个正确的结果y 机器学习能做的只是寻找一个函数g,使它无限接近f,当然越接近越好。这样对于大部分的x都能得到正确的结果y。 这是机器学习原创 2017-03-19 17:27:50 · 309 阅读 · 0 评论 -
机器学习-第二天-线性分类器
实际上最后机器学习输出的是一个关于模型中所有参数的函数h(x) Xi为模型中各种参数的参数值,Wi为权值,表示每个参数所占的重要性。 threshold为阈值,在所有参数加权求和后得到的值减去阈值后得到h(x) 称h(x)为感知机 假设说只有两种类型的参数,那很显然h(x)是一个二元一次函数,在平面上表示为一条直线。那么实际上在直线上方的输入数据表示感知机输出为+的结果,而在直线下方的数原创 2017-03-20 20:58:51 · 270 阅读 · 0 评论