机器学习
文章平均质量分 91
AwesomeTang
这个作者很懒,什么都没留下…
展开
-
【梯度下降】通过一元线性回归模型理解梯度下降法
前言关于线性回归相信各位都不会陌生,当我们有一组数据(譬如房价和面积),我们输入到excel,spss等软件,我们很快就会得到一个拟合函数:hθ(x)=θ0+θ1xh_\theta(x)=\theta_0+\theta_1xhθ(x)=θ0+θ1x但我们有没有去想过,这个函数是如何得到的?如果数学底子还不错的同学应该知道,当维数不多的时候,是可以通过正规方程法求得的,但如果维数过多的话,像图像识别/自然语言处理等领域,正规方程法就没法满足需求了,这时候便需要***梯度下降法***来实现了。梯度原创 2021-04-19 14:31:41 · 568 阅读 · 0 评论 -
【机器学习 | Naive Bayes】通过简单例子来理解朴素贝叶斯算法~
朴素贝叶斯(Naive Bayes)简单理解我们可以先通过一个简单的例子来了解什么是朴素贝叶斯算法。我们现在有如下数据:颜色水果红水果A黄水果B红水果A黄水果B黄水果B红水果B那么我现在手上有一个黄色的水果,我需要去预测它是哪种水果。根据上面的样本数据,我们分别计算出颜色为黄色情况下,是水果A和水果B的概率:P(水果A∣黄色)=33=1P(水果A|黄色) = \frac{3}{3} = 1P(水果A∣黄色)=33=1P(水果原创 2021-04-19 13:52:03 · 509 阅读 · 0 评论