MachineLearning
Ph03nix
这个作者很懒,什么都没留下…
展开
-
线性回归
线性回归算法是最基础的机器学习算法之一是一个监督学习算法,也就是说我们有一些样本,根据这些样本我们对之后的进行预测。我们最早接触到的线性回归应该是中学的方程。例如: hx=aX+bh_x = aX+bhx=aX+b 线性回归中,我们说Y是预测值,X是特征,A是X特征的权重,B是一个初始的值,这是一个最基础的线性回归方程,我们可以用它来预测单一变量的问题,比如说速度与加速度的关系,房价与面积的关系...原创 2019-03-05 03:49:34 · 110 阅读 · 0 评论 -
逻辑回归
逻辑回归是一个分类算法,在处理多元分类问题中,可以采用’one vs all’一对多的这种方法。 例如当我们需要处理数字是识别的问题时,我们可以判断这个数字是否为0,是/不是。接着判断是不是1,是/不是…进而逐一分类出所有的数字,这个方法略显笨拙。图像识别更适合用神经网络或者其他的算法来解决这些问题,在这里暂不赘述。 预测函数 逻辑回归的和线性回归区别在于,逻辑回归需要预测的是是/不是,可以写成0...原创 2019-03-05 06:36:31 · 150 阅读 · 0 评论 -
机器学习总结
前言:总结一下这段时间学习的一些算法,可能有些地方不太准确,欢迎指正~ 传统的机器学习大致分为: 线性回归 逻辑回归 决策树 支持向量机 神经网络 等 深度学习以神经网络的回归为基础,之后会谈到的大致有: 卷积神经网络 递归神经网络 这段时间学习以来,很直观的体会到,机器学习的本质就是再用计算力和合适的预测算法来预测你想要预测的东西,比如房价问题,分类问题等。假设你的算力足够强大,...原创 2019-03-04 14:51:45 · 128 阅读 · 0 评论