![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
gaochao1995
这个作者很懒,什么都没留下…
展开
-
机器学习的最佳入门学习资源
这是一篇很难写的文章,因为我希望这篇文章能对学习者有所启发。我在空白页前坐下,并且问自己了一个很难的问题:什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。 文章里到底写什么、不写什么,这个问题真的让我很烦恼。我必须把自己当做一个程序员和一个机器学习的初学者,站在这个角度去考虑最合适的资源。 我找出了每个类型中最适合的资源。如果你是一个真正的初学者,并且乐意于开始了解机器学转载 2014-08-25 09:59:14 · 401 阅读 · 1 评论 -
机器学习知识点汇总
一元线性,y = a + bx 多元线性, y = a + bx +cx 广义线性: 非线性的问题,用线性方程来解决,如:Logistic回归 回归模型中的降维:就是把多个变量,拟合成1个变量 x,y之间的关系分两种:1.函数关系:y=3+10x 2.相关关系:x.y之间没有明显的关系,但是可能同时受到另一个变量影响 相关系数:我们使用相关系数去衡量线性相关性的强弱,决定可不可以原创 2014-12-04 21:41:09 · 483 阅读 · 0 评论 -
ridge regression岭回归
岭回归用于处理下面两类问题: 1.数据点少于变量个数 2.变量间存在共线性 岭回归的原理 岭回归是一种专用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价,获得回归系数更为符合实际、更可靠的回归方法,对病态数据的耐受性远远强于最小二乘法。 岭回归的原理较为复杂。根据高斯马尔科夫定力,多重相关性并不原创 2014-12-19 22:22:48 · 4326 阅读 · 0 评论 -
Octave tutorial
https://share.coursera.org/wiki/index.php/ML:Octave_Tutorial原创 2015-01-05 11:35:20 · 310 阅读 · 0 评论 -
机器学习入门:Linear Regression与Normal Equation
本文会讲到: (1)另一种在线性回归方法中求theta值的方法:Normal Equation; (2)Gradient Descent与Normal Equation的优缺点; 前面我们通过Gradient Descent的方法进行了线性回归,但是梯度下降有如下特点: (1)需要预先选定Learning rate; (2)需要多次iteration; (3)需要转载 2015-01-05 10:59:27 · 362 阅读 · 0 评论 -
机器学习入门:线性回归及梯度下降
本文转载于:http://blog.csdn.net/xiazdong/article/details/7950084 本文会讲到: (1)线性回归的定义 (2)单变量线性回归 (3)cost function:评价线性回归是否拟合训练集的方法 (4)梯度下降:解决线性回归的方法之一 (5)feature scaling:加快梯度下降执行速度的方法 (6)多变量线性回归转载 2014-12-31 10:57:22 · 476 阅读 · 0 评论 -
机器学习资料大全
一个很全的机器学习方方面面的博客:http://www.52ml.net/categories/machinelearning/page/2原创 2015-01-05 15:12:42 · 316 阅读 · 0 评论