liang23333-CSDN博客

原创逻辑回归

显然，如果继续使用线性回归中的h(x),那么h(x)肯定会大于1或者小于0，为了让h(x)在0到1之间，定义这个函数logistic函数有这样一个性质令合起来写也就是这时候，它的loss function 也就是对它取对数并且求导最后得出这个函数，在形式上与线性回归的参数迭代是一样的，但是h(x)的定义是不同的，线性回归

2017-01-17 19:51:03 299

原创局部线性回归

线性回归就是对整个数据集进行训练，就比如说拟合成一条直线，参数选择所依据的标准就是而局部线性回归是对要预测的点的左右区域进行拟合，也就是根据它的周围情况拟合成一条直线，而不是整个数据集。它是非参数学习方法，是因为不能确定参数的值，而是对于某个预测，求得一组参数。参数随着要预测的x变化而变化。它的Loss function是这里的w(i)如果|x(i)-x|约等于

2017-01-17 19:29:59 2899

原创正规方程组

正规方程组与梯度下降都是用来求参数的方法，梯度下降在上一篇博文中已经讲述过，下面来讲一下正规方程组。首先，前提知识A是一个输入矩阵，，也就是对A中的每个元素求偏导，举例，然后引入了矩阵的迹，,这是在线性代数中的知识，下面给出一系列公式，有兴趣的可以自己证明一下。|A|代表的是A的行列式。下面讲述正规方程组的步骤。给定一个由于我们知道也就是所以

2017-01-17 12:19:13 1442

原创关于梯度下降算法的理解

最近在看斯坦福大学的机器学习公开课，看了第二节课，看完就已经迷糊了，都没怎么看懂，然后我搜了一下那节课讲的内容，发现原来讲的是线性回归，梯度下降还有正规方程组三个概念。这里我讲一下梯度下降的理解。以一个例子来说明，给定一组x0,x1还有y，我们要求一个函数h(x）=w0x0+w1x1；求出两个参数w0，w1,使之拟合的更好。然后就有一个loss function ，这个拟合的更好，

2017-01-17 09:35:20 925

原创 Codeforces Round #371 (Div. 2) C. Sonya and Queries

题目说是Multiset，我以前没用过，上网上搜了一下，试了几次，GG没办法，最后看到别人用的map,水过去了。有一点需要注意的是，把每个整数转换成01表示，意思是按照题目的那种转换，1234转换成1010，这样就可以了。然后操作直接用map的操作，速度很快，我用了multiset，真的就是完全一样的方法，因为那里S.count()，瞬间gg附上看到的大神的链接用的字

2016-12-05 17:42:14 193

原创 codeforces Round 373 div2 C. Efim and Strange Grade 模拟+ priority_queue

C. Efim and Strange Gradetime limit per test1 secondmemory limit per test256 megabytesinputstandard inputoutputstandard outputEfim just received his grade for t

2016-12-04 14:45:11 318

原创 Codeforces Round #374 (Div. 2) D. Maxim and Array 贪心+ 最小堆

D. Maxim and Arraytime limit per test2 secondsmemory limit per test256 megabytesinputstandard inputoutputstandard outputRecently Maxim has found an array of n integers, needed by no one. He immediatel

2016-12-03 11:27:49 344

原创 Codeforces Round #374 (Div. 2) C. Journey 拓扑排序+dp

C. Journeytime limit per test3 secondsmemory limit per test256 megabytesinputstandard inputoutputstandard outputRecently Irina arrived to one of the most famous cities of Berland — the Berlatov city.

2016-12-02 13:58:33 287

liang23333的博客