- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习之逻辑斯谛回归分类和正则化问题
机器学习之逻辑斯谛回归分类问题分类假设表示决策边界分类要尝试分类，一种方法是使用线性回归并将所有大于0.5的预测映射为1，将所有小于0.5的预测映射为0。但是，此方法效果不佳，因为分类问题实际上不是线性函数。分类问题就像回归问题一样，除了我们现在要预测的值仅包含少量离散值。现在，我们将重点讨论二分类问题，其中y只能采用两个值0和1。（我们在这里所说的大多数内容也将推广到多类情况。）例如，如果我们尝试为电子邮件建立垃圾邮件分类器，然后x(i)x^{(i)}x(i)可能是一封电子邮件的某些功能，如果是垃圾
2020-12-04 21:37:08
525
原创 机器学习之多个特征下的梯度下降和正态方程解析
机器学习之多元线性回归多重特征多个变量的梯度下降练习I中的梯度下降-特征缩放练习II中的梯度下降-学习率特征和多项式回归正态方程正规方程不可逆多重特征具有多个变量的线性回归也称为“多元线性回归”。现在我们为方程式引入符号，其中可以有任意数量的输入变量。xj(i)=value of feature j in the ith training examplex(i)=the input (features) of the ith training examplem=the number of train
2020-12-04 20:55:41
629
1
原创 机器学习之一个变量的线性回归
机器学习之一个变量的线性回归模型表示成本函数成本函数 Intuition I成本函数 Intuition II梯度下降梯度下降 Intuition线性回归的梯度下降模型表示为了建立供将来使用的符号，我们将使用x(i)x^{(i)}x(i)表示“输入”变量，也称为输入要素，并且y(i)y^{(i)}y(i)表示我们试图预测的“输出”或目标变量。一对(x(i),y(i))(x^{(i)},y^{(i)})(x(i),y(i)) 被称为训练示例，而我们将用来学习的数据集——m个训练示例的列表(x(i),y(
2020-12-04 13:46:48
469
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人