![](https://img-blog.csdnimg.cn/20190914103019128.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
08 机器学习入门
豪华手抓饼
这个作者很懒,什么都没留下…
展开
-
机器学习入门 07 逻辑回归
1 什么是逻辑回归(Logistic Regression)1.1 介绍 一般用来解决分类问题,只能解决二分类问题。 将样本的特征和样本的概率联系起来,概率是一个数,所以可以叫做回归问题。 在多项式回归中,y^=f(x)=θ⊺⋅xb\hat { y } ={ f }(x)={ \theta }^{ \intercal }\cdot { x }_{ b }y^=f(x)=θ⊺⋅x...原创 2018-12-31 15:42:11 · 216 阅读 · 0 评论 -
机器学习入门 06 多项式回归
1 多项式回归1.1 介绍多项式回归,用来对非线性数据集进行处理,例如二次函数。1.2 代码1)多项式回归于线性回归比较import numpy as npimport matplotlib.pyplot as plt# 准备数据x=np.random.uniform(-3,3,size=100)xx=x.reshape(-1,1)y=0.5*x**2+x+...原创 2018-08-19 16:10:15 · 506 阅读 · 0 评论 -
机器学习入门 05 主成分分析 PCA(Principal Component Analysis)
1 介绍1.1 特点一个非监督的机器学习算法主要用于数据的降维,通过降维,可以发现便于人类理解的特征其他应用:可视化;去噪1.2 数学意义找到让样本间间距最大的轴定义样本间间距,使用方差:Var(x)=1m∑mi=1(xi−x¯)2Var(x)=1m∑i=1m(xi−x¯)2Var(x)=\frac { 1 }{ m } \sum _{ i=1 }^{ m ...原创 2018-08-15 09:02:14 · 271 阅读 · 0 评论 -
机器学习入门 04 梯度下降法(Gradient Descent)
1 介绍设一函数为 y=(x−4)2+1y=(x−4)2+1y={ (x-4) }^{ 2 }+1,则它的梯度,也就是一阶导数为 dydx=2(x−4)dydx=2(x−4)\frac { dy }{ dx } =2(x-4),如下图所示。 梯度,可以代表方向,对应着函数 yyy 增大的方向,当 xxx 变化式,yyy 也会有相应的变化。在机器学习中,我们使用式 −ηdJdθ−ηdJ...原创 2018-08-14 20:31:18 · 371 阅读 · 0 评论 -
机器学习入门 03 线性回归法(Linear Regression)
1 简单线性回归1.1 介绍1)特点:样本特征只有一个解决回归问题思想简单,实现容易许多强大的非线性模型的基础结果有很好的解释性 1.2 思想、公式1.2.1 思想寻找出一条直线,最大程度的“拟合”样本特征和样本输出标记之间的关系。通过分析问题,确定问题的损失函数(loss function)或效用函数(utility function);通...原创 2018-08-06 13:18:23 · 398 阅读 · 0 评论 -
机器学习入门 02 kNN算法
1 介绍kNN(k-Nearest Neighbors)1.1 算法原理给定目标值,找出k个(通常为3个以上)距离最近的样本,判断这些样本中哪个样本最多,则目标值就属于这个类别。距离:一般使用欧拉距离,公式为:∑ni=1(x(a)i−x(b)i)2‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√∑i=1n(xi(a)−xi(b))2\sqrt { \sum _{ i=1 }^{ n }{ ...原创 2018-08-04 20:56:21 · 290 阅读 · 0 评论 -
机器学习入门 01 概述
1 什么是机器学习机器学习:让机器去学习,去工作。最早的机器学习应用:垃圾邮件分辨现有应用:人脸识别、数字识别算法:kNN线性回归多项式回归逻辑回归模型正则化PCASVM决策树随机森林集成学习模型选择模型调试机器学习一般流程: 2 基础概念2.1 关于数据数据集(data set):数据整体 样本(sample) 特征(featu...原创 2018-07-31 08:32:41 · 206 阅读 · 0 评论