- 博客(4)
- 收藏
- 关注
RSS订阅原创 逻辑回归（分类算法）
分类问题：预测的y值是离散值二元分类问题：0表示负向类 1表示正向类逻辑回归：输出变量范围永远在0和1之间这里注意假设函数（sigmoid function）的写法以及图像判定边界：将样本分割开来，与样本集无关，决定于参数集。由于逻辑回归的假设函数的引入，得到的代价函数是一个非凸函数，影响寻找全局最小值。所以重新定义逻辑回归的代价函数。我们仍用梯度下降算法来求使得代价函数最小的参数尽...
2019-05-19 20:04:41
946
原创 多变量线性回归
n：特征的数量x（i）：代表第i个训练实例 特征矩阵中的第i行 是一个向量x（i）j：表示特征矩阵中第i行的第j个特征，第i个训练实例的第j个特征支持多变量假设：h（x） = O0 + O1x1 + O2x2 + … + Onxn引入X0 = 1常数 那么特征矩阵的维度为 m（n+1）可以将h（x）写成矩阵形式 h（x） = OT*X；OT为系数向量 X为参数向量...
2019-05-18 09:45:18
273
原创 单变量线性回归
小写的m：训练集中实例的数量x：特征/输入变量y：目标变量/输出变量（x,y）：训练集中的实例（xi，yi）：第i个观察实例h（hypothesis）：学习算法的解决方案或函数单变量线性回归（模型）：只含有一个特征/输入变量 h（x） = O0 + O1*x模型误差：我们选择的参数决定了我们得到的直线相对于我们训练集的准确程度，模型所预测的值与训练集中实际值之间的差距就是建模误差。...
2019-05-16 20:34:44
232
原创 监督学习与无监督学习的基本概念
监督学习：我们给学习算法一个数据集。数据集中的每个样本都有正确答案。运用学习算法，得出更多的正确答案。回归问题：我们试着推测出一些列连续值的属性，如房屋的价格。分类问题：我们试着推测出离散的结果，如肿瘤是否为恶性与良性。无监督学习：有聚类算法。他是学习策略，交给算法大量的数据，并让算法为我们从数据中找出某种结构。如组织计算机集群、社交网络分析、划分市场。...
2019-05-13 23:39:40
1766
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人