机器学习
这是一篇个人机器学习笔记的记录。
freshbin000
默默搬砖
展开
-
机器学习-第一篇
关于机器学习的笔记,纯属个人理解,想到什么,记录什么, 可能写的东西不会很具体和全面。 机器学习有监督学习和无监督学习,我认为两者的概念如下。 监督学习:有一大堆训练的数据,如果你要预测某个结果,你可以通过对比分析训练数据,从而找到你需要预测的结果。现阶段我所知道的内容是监督学习有回归算法和分类算法。 无监督学习:没有训练数据,结果好像也不需要预测,完全有机器...原创 2019-08-05 09:52:35 · 122 阅读 · 0 评论 -
机器学习-第二篇
训练样本记为m,特征为x,对应目标值为y,(x,y)表示一组训练样本,h为从x到y的函数映射。单变量线性回归:h(x)=θ0++θ₁x代价函数是实际y值与期望y值的方差的二分之一,其函数表达式为:代价函数也称为平方误差代价函数,简记为:我觉得代价函数是一个随θ₁变化的函数,当J(θ₁)取值为最小时,此时的θ₁为最小化值,即此时的θ₁能够使线性回归函数h(x)拟...原创 2019-08-05 14:56:25 · 218 阅读 · 0 评论 -
机器学习-第三篇
让梯度下降的速度变得更快可以用特征缩放方法、特征归一化。特征缩放:u为该特征的平均值,s为该特征的范围。看得有点懵,好像如果是多项性线性回归模型,那么对特征进行缩放之后,再运行梯度下降算法会更快。...原创 2019-08-05 17:50:38 · 82 阅读 · 0 评论