![](https://img-blog.csdnimg.cn/20190927151043371.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
记录为期两个月的机器学习笔记
青砚北笙°
这个作者很懒,什么都没留下…
展开
-
Octave使用记录
数据绘制规定t=[0:0.01:0.98]y1=sin(4pi2t)图像plot(t,y1)可表示为再定义一个y2=cos(4pi2t)若想在第一个图片的基础上添加而不是覆盖,则需要在命令行中输入hold onplot(t,y2,‘r’)plot中第三个参数的含义即为图像的颜色若想表示两个曲线,输入legend(‘sin’,‘cos’)包括相应函数,subplot,clf,xlabel,ylabel等等...原创 2021-08-17 01:27:19 · 82 阅读 · 0 评论 -
Octave使用记录
计算数据矩阵A和矩阵B在Octave界面中,矩阵相乘直接输入A*B即可,若想让两个矩阵的对应元素相乘,需要输入A .*B(通常情况下,‘.’一般用于表示元素的运算)其他用于计算的函数:log(v) --对v中所有元素进行求对数运算;exp(v)–以e为底,以v中所有元素为指数的幂运算;相求矩阵的转置,直接输入A’即可a = [1 15 2 0.5][val,ind]=max(a),其中,val将返回a中元素的最大值,ind将返回a中最大元素值的索引注:当A是一个矩阵的时候,val将原创 2021-08-16 17:53:45 · 158 阅读 · 0 评论 -
多变量线性回归
多变量线性回归多功能通过多个变量或特征量(X)来预测所需要的值(Y)多元梯度下降法用来处理多元线性回归,原创 2021-08-13 17:01:43 · 101 阅读 · 0 评论 -
单变量线性回归
线性回归模型概述概念:单元线性回归,试图学得一个线性模型以尽可能准确地预测实值输出标记。回归问题的训练集以下图表示:以m表示训练集的样本数量以x表示输入变量以y表示输出变量以(x,y)表示训练集中的实例以(x (i) ,y (i) ) 代表第 i 个观察实例h 代表学习算法的解决方案或函数也称为假设(hypothesis)因而,要解决房价预测问题,实际上是要运用训练集已有的算法,进而学习得到一个假设 h,然后将我们要预测的房屋的尺寸作为输入变量输入给 h,预测出该房屋的交易价格作为输出变原创 2021-07-16 09:49:34 · 129 阅读 · 0 评论 -
监督学习与无监督学习
监督学习监督学习是指利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。监督学习中,常见的问题:递归:输出一个值的模型。例如,估算房屋价值。分类:一种模型,能够输出多个类别的概率分布。例如,掷????对应点数无监督学习无监督学习算法:聚类算法,主要用于将相似的样本自动归到一个类别中。...原创 2021-07-16 09:16:50 · 134 阅读 · 0 评论