算法实习准备之三
参考资料:《深度学习》科学出版社
机器学习算法复习(三)
监督学习是利用有标签的数据样本进行训练的一种机器学习方法。
回归问题:输入变量和输出变量均为连续变量的预测问题,等价于函数拟合。
常用的损失函数是平方损失函数。
分类问题:输入变量不限,输出变量为有限个离散变量的预测问题,从数据中学习一个分类器。
常用的评价分类器性能的指标是分类准确率:在给定的测试数据集上,分类器正确分类的样本数与总样本数之间的比值。
Logistic回归
Logistic回归是一种分类算法,与线性回归算法相关联。
Logistic函数(即为Sigmoid函数)
线性回归算法
线性回归算法的目标是学习到一个线性模型,对给定的数据样本可以准确预测出它的标记值。这一模型可表示为(每个数据样本只有一个属性值):
算法采用均方误差作为衡量差异的度量方式,并采用最小二乘法对它进行求解。
(忽略了b)
通过分别对w和b求导来求解最优的w和b值。
当每个数据样本有d个数据样本时: