机器学习
Jack LDZ
这个作者很懒,什么都没留下…
展开
-
机器学习cs229——(二)线性回归、梯度下降与正规方程组
目录符号介绍监督学习的训练过程线性回归梯度下降正规方程组(标准方程组)符号介绍在之后的学习中,为了保持一致性,下列符号将经常使用:m=训练样本个数n=特征数量x=输入变量/特征y=输出变量(x,y)为一个训练样本(,)表示第 i 个训练样本监督学习的训练过程其中,h 表示预测函数(模型),hypothesis是出于历史原因而被使...原创 2018-10-13 13:43:13 · 586 阅读 · 0 评论 -
机器学习cs229——(一)概要
目录监督学习(supervised learning)机器学习理论无监督学习增强学习机器学习:使计算机模拟或实现人类的学习行为,以获取新的知识或技能。并重新组织已有的知识结构使之不断改善自身的性能。监督学习(supervised learning)问题引入根据给定的一组采集数据,预测房价。 我们可以看到,问题只有单个输入变量,即单个特征。因变量为价格,可以取...原创 2018-10-11 15:33:30 · 1892 阅读 · 0 评论 -
机器学习cs229——(三)局部加权回归、逻辑回归、感知器、牛顿方法、广义线性模型
目录局部加权回归(Locally weighted regression)分类感知器牛顿方法广义线性模型(Generalized Linear Model) 首先,我们先来讨论一下欠拟合(underfitting)和过拟合(overfitting)问题。比如我们同样采用线性回归来对一组房屋价格和房屋大小的数据进行拟合,第一种情况下我们只选取一个数据特征(比如房屋大小 x)采...原创 2018-10-25 13:23:30 · 768 阅读 · 0 评论 -
Hession矩阵
1. 标量对向量求导:结果是向量事实上这就是所谓的Gradient,即对于一般标量函数 f(x), 其中向量为 x=(x1,...,xn),导数为: 也记为:2. 向量对向量求导:结果是矩阵一阶导:这个当然也是gradient,当然这准确的说应该叫matrix ...转载 2018-10-23 14:21:23 · 522 阅读 · 0 评论 -
人工智能、机器学习、神经网络、深度学习之间的关系
最近很长的一段时间,人工智能的热度都维持在一定的高度。但是大家在关注或研究人工智能领域的时候,总是会遇到这样的几个关键词:深度学习、机器学习、神经网络。那他们之间到底是什么样的关系呢?先说人工智能,人工智能是在1956年一个叫达特茅斯会议上提出的。更准确的说是1956年学者们在会议上将他们确定为人工智能,其实关于其具体的一些研究,早就已经开始了。所以人工智能已经是有60多年历史的一个领域。...转载 2018-10-26 15:11:33 · 4602 阅读 · 0 评论 -
线性与非线性——一看就懂的解释
线性代数中,一般我们说线性是指线性映射,而不是方程。线性需要满足两个条件:齐次性和可加性 ,任一个条件不满足则为非线性齐次性:可加性:例如 就是线性的。需要注意的是,这里的 x、a、f(x) 并不一定是标量,可以是向量或者矩阵,形成任意维度的线性空间。如果 x、f(x)为n维向量,当a为常数时,就是等价满足齐次性,当a为矩阵时,则等价满足可加性。 相对而言,函数图形为直线...原创 2018-11-16 16:39:14 · 18778 阅读 · 1 评论