机器学习
文章平均质量分 64
Mikael_旧少年
不热爱写代码的码农~
展开
-
Day03 Logistic回归
分类 对于上面的数据集,线性回归算法似乎可用,对于下面的效果就很差劲了,所以不推荐将线性回归用于分类问题。 假设陈述 假设函数表达式 决策界限 这个函数具体来说,就是给定x和参数θ时,y=1的估计概率。 下图分界线称为决策边界,由参数决定 。 我们使用数据集确定参数,然后就可以完全确定决策边界。 代价函数 下图左...原创 2019-01-03 18:50:54 · 157 阅读 · 0 评论 -
Day01 单变量线性回归
参考Andrew Ng 模型描述 一个监督学习的例子。 h是一个引导从x得到y的函数,该函数叫做假设函数。 我们先从这个例子开始,先拟合线性函数,然后在此基础上,最终处理更复杂的模型,以及学习更复杂的学习算法,这种模型被称为线性回归,该例子是一个一元线性回归,也称为单变量线性回归。 代价函数 代价函数的数学定义。 代价函数也被称作平方误差函数,有时也被称为平方误差代...原创 2018-12-30 14:58:27 · 168 阅读 · 0 评论 -
Day04 正则化
过拟合问题 图一,欠拟合,算法具有高偏差。图三,过拟合,算法具有高方差。 代价函数 线性回归的正则化 Logistic回归的正则化 ...原创 2019-01-04 18:05:25 · 191 阅读 · 0 评论 -
Day02 多变量线性回归
多功能 x表示一个向量 我们用多个特征量或者变量来预测Y值,这就是所谓的多元线性回归 多元梯度下降法 多元线性回归模型如下 特征缩放 通过特征缩放,他们值得范围变得相近,这样你得到的梯度下降算法就会更快地收敛 不要太大,也不要太小 特征缩放并不需要太精确,只是为了让梯度下降。以下为均值归一化工作。 学习率 这条曲线显示的是梯度下降的每步迭代后代...原创 2018-12-31 15:36:05 · 191 阅读 · 0 评论