- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【学习笔记】斯坦福大学公开课（机器学习） 之广义线性模型
广义线性模型（GLM）是在指数分布族基础上形成的模型，对于指数分布族中，参数η\eta都可以有其他对应函数来替代，从而得到指数分布族模型的扩展。为引入GLM来解决问题，我们做三个假设： 1.y|x;θ∼ExponentialFamily(η)y|x;\theta∼ExponentialFamily(\eta)，即已知x和θx和\theta，yy的分布满足参数为η\eta的指数分布族。 2.假设函
2017-04-17 17:48:37
417
原创 【学习笔记】Dockerfile指令--参考手册学习总结
Dockerfile是docker用于构建image的文件。当执行 docker build 指令时，docker会根据Dockerfile和上下文(context)来执行构建image的命令。简单总结下各个指令的意义，遗忘时可以查看。
2017-04-14 14:30:15
608
原创 【学习笔记】斯坦福大学公开课（机器学习）之指数分布族
可以写出下式形式的分布，都属于指数分布族: p(y;η)=b(y)exp(ηTT(y)−a(η))(1)p(y;\eta)=b(y)exp(\eta^TT(y)-a(\eta))\tag{1} 其中η\eta称为自然参数（natural parameter），T(y)T(y)称为充分统计量（通常情况下T(y)=yT(y)=y）,a(η)a(\eta)称为日志配分函数(log partition
2017-04-13 09:46:23
1940
原创 【积累系列】E: Sub-process /usr/bin/dpkg returned an error code (1) 解决方法
E: Sub-process /usr/bin/dpkg returned an error code (1) 解决方法
2017-04-12 14:23:50
748
原创 【学习笔记】斯坦福大学公开课（机器学习） 之逻辑斯蒂回归（续）
对于逻辑斯蒂回归中，还有另一种最大化l(θ)l(\theta)的算法——牛顿方法。
2017-04-11 14:52:51
457
原创 【学习笔记】斯坦福大学公开课（机器学习）题外篇：感知机学习算法
我们考虑把逻辑回归中，模型的输出严格固定为1或者0，即把g(z)g(z)（逻辑函数）改写为阈函数： g(z)={10z≥0z0g(z)=\begin{cases}1& z \geq 0\\0& z<0\\\end{cases} 我们让假设函数hθ(x)=g(θTx)h_\theta(x)=g(\theta^Tx)，根据之前的算法，我们把参数更新方法写为： θj:=θj+
2017-04-10 16:51:39
377
原创 【学习笔记】斯坦福大学公开课（机器学习） 之逻辑斯蒂回归
如果在遇到一些分类问题，用回归算法来做预测时，我们会发现这些算法得出的模型会不尽人意。甚至在一些很明显的情况下，函数值不会比1大或者比0小，即目标值y∈{0,1}y\in\{0,1\}。 针对这种情况，我们改变假设函数hθ(x)h_{\theta}(x)，把假设函数写成如下模型。
2017-04-07 14:55:45
480
斯坦福机器学习公开课讲义
2017-03-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人