七夕的博客

机器学习(一)——线性回归的梯度下降算法和正规方程法 线性回归 机器学习基本分为有监督学习和无监督学习。 有监督学习基本分为回归问题和分类问题。 回归问题很简单，就是根据样本预测一个连续数的值，类似于模拟信号的预测吧，结果是0.1还是0.2呀，明天降雨量是500mm还是501mm呀。 分类问题自然就是数字信号的预测了，结果是0还是1呀，明天下午还是不下雨呀，这种。 回归问题可以...

机器学习(二)——Logistic Regression 1、hypothesis，假设函数 问题的引入是通过这个图片 这个图好像是在说，肿瘤小的时候就是良性的，大的时候就是恶性的。所以使用线性回归构造一个图中的直线没有任何问题。但是当数据没有这么整齐的时候，如果有个例大的肿瘤也是良性，这个预测方式就不对了。 所以需要构造一个模型来进行分类，需要将线性回归的结果进行变换，使y值...

机器学习(三)——神经网络初识   用前面的两种方法理论上可以解决所有问题了，通过构造多项式的方法可以将线性问题扩展到非线性问题上。   而问题越复杂，需要构造的多项式就越多，假设只有10个特征，需要构造3次方的多项式，那也有27个多项式，而如果是对应更多特征，更高次方的多项式，那么就更加复杂了。   所以就会用到神经网络,用来...

机器学习(四)——神经网络反向传播细节 上一篇讲了个神经网络结构，它具体怎么用，怎么算就算这一篇。 神经网络的用法就算下面这几步: 1、正向传播，计算h(X)，就是根据随机给的权重计算出一个结果； 2、反向传播，修正权重，也就是θ矩阵，使得代价函数最小； 3、预测数据，前面两步都是训练，这一步就是使用训练好的网络进行结果的预测。 首先，需要铺垫一些东西。 1...