人工智能学习(自用)
文章平均质量分 74
仅用于本人学习
NO0mad
这个作者很懒,什么都没留下…
展开
-
线性回归与梯度下降(理论部分)
ps:本文章仅用于自身学习,主要为了自己去理解,可能写的不好,所以建议移步其他文章一、线性回归线性回归是指为数据集建立最符合其规律的一元或多元线性方程,是一元还是多元取决于数据集中影响结果的因素的种类,有多少种类就是几元。下面会分别介绍。二、一元线性回归如它的名字,影响数据结果的因素种类只有一种时可运用它进行拟合。它的形式通常如下:三、多元线性回归多元线性回归与一元线性回归区别不大,唯一区别就是影响因素的种类变多了,这里不多赘述,直接给出它的形式:其中为影响因素种类的原创 2022-01-10 16:00:05 · 445 阅读 · 0 评论 -
矩阵分解-梯度下降实现
8 3 - 2 9 - - 5 7 - - 8 0 1 6 9 假设代表用户代号,代表商品编号,而表格中的的数值则为用户对商品的评分,“ -”代表未对其评分。现要求预测出用户对商品未评价的分数是多少?这里就需要用到矩阵分解对其进行预测,我们可将上述表格看作一个矩阵对其求解。矩阵分解原理矩阵分解原理很简单,例如有一矩阵R.原创 2022-01-10 14:12:43 · 975 阅读 · 0 评论 -
梯度下降简单介绍
ps:本文章仅用于自身学习,主要为了自己去理解,可能写的不好,所以建议移步其他文章一,什么是梯度下降?梯度本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模),可理解为导数。梯度下降就是使函数的点向着梯度方向变化小、变化率慢的点移动,可理解为使导数的绝对值趋向于零二,梯度下降用于解决什么?梯度下降大多用于求解损失函数的最小值,损失函数是评定模型预测结果与实际情况的匹配度的。损失函数越大,.原创 2021-11-19 18:43:00 · 2454 阅读 · 0 评论