![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础
文章平均质量分 93
ljlxyz
这个作者很懒,什么都没留下…
展开
-
机器学习基础(一)——线性回归
机器学习——线性回归 本文主要是对 线性回归中的部分公式进行推导以及个人对该问题的理解,具体的理论知识可以参考 吴恩达 的《机器学习》 视频。 1. 符号以及定义 样本矩阵 X=[x1,x2,⋯ ,xn]T∈Rn×dX = [x_1,x_2,\cdots,x_n]^T \in R^{ n\times d}X=[x1,x2,⋯,xn]T∈Rn×d , xix_ixi 表示第 i 个样本。其中每一行是一个样本,每一列表示一个特征,也可以说是一个影响因素。 标签矩阵 Y=[y1,y2,⋯ ,yn]原创 2021-09-09 21:01:44 · 111 阅读 · 1 评论 -
机器学习基础(二)逻辑回归
机器学习—— 逻辑回归(Logistic regression) 本文主要是对 《机器学习》中的逻辑回归做一个简单的公式推导以及编码实现。该内容只涉及公式的推导,并不具体阐述公式含义。具体视频可以参考 吴恩达老师讲解的机器学习的逻辑回归。 1. 符号和定义 样本矩阵 X=[x1,x2,⋯ ,xn]T∈Rn×dX = [x_1,x_2,\cdots,x_n]^T \in R^{ n\times d}X=[x1,x2,⋯,xn]T∈Rn×d , xix_ixi 表示第 i 个样本。 标签矩阵 Y原创 2021-09-09 19:50:35 · 164 阅读 · 0 评论