算法详解
文章平均质量分 60
预知梦_
机器学习/大学狗
展开
-
算法详解系列(一):线性回归
算法详解系列(一):线性回归回归是监督学习的一个重要问题,回归用于预测输入变量和输出变量之间的关系,特别是当输入变量的值发生变化时,输出变量的值也随之发生变化。回归模型正是表示从输入变量到输出变量之间映射的函数。一、算法的推导1.1 符号规定xj(i)x_{j}^{(i)}xj(i)表示数据集第iii个数据的第jjj个属性取值,数据集XXX一共有mmm个数据,nnn个属性(特征)。...原创 2019-10-10 07:40:34 · 429 阅读 · 0 评论 -
算法详解系列(二):逻辑回归
逻辑回归假设数据服从伯努利分布,通过极大化似然函数方法,运用梯度下降来求解参数,来达到将数据二分目的。一、算法的推导1.1 对数几率函数对数几率函数:是一种Sigmoid函数,通过此函数来输出类别概率。对数几率函数为:y=11+e−(wTx+b)y = \frac { 1 } { 1 + e ^ { - (w^T x+b ) }}y=1+e−(wTx+b)1,其中yyy代表的是样本视...原创 2019-10-10 07:46:56 · 567 阅读 · 0 评论 -
算法详解系列(三):支持向量机
一、线性可分支持向量机1.1 支持向量机学习目标支持向量机的输入空间为欧式空间或离散集合,特征空间为欧式空间或希尔伯特空间。支持向量机的学习是在特征空间上进行的。对于一个有两个类别的数据集(yi∈{+1,−1}y_i\in\{+1,-1\}yi∈{+1,−1}),假设训练数据集是线性可分的,学习的目标是在特征空间中找到一分离超平面能将实例分到不同类。当数据集线性可分时,有无数个分离超平面可...原创 2019-10-10 22:35:21 · 504 阅读 · 0 评论