- 博客(9)
- 收藏
- 关注
RSS订阅原创 机器学习（八）二元分类思想解决多元分类问题
机器学习（八）二元分类思想解决多元分类问题前言前面博文中讲到的逻辑回归解决的都是二元分类的问题，比如邮件是垃圾邮件还是非垃圾邮件；癌症是良性还是恶性等，那么实际生活中我们会遇到很多不仅仅分两类的问题，比如，邮件归类问题，可以归为work，friend，family，hobby 等等类型；再比如天气分类，可以分为晴天，阴天，下雨，多云等等类型；那么对于这种非二元分类问题，我们如何使用逻辑回归思想...
2019-12-24 20:42:11
2260
原创 机器学习（七）逻辑回归之代价函数
机器学习（七）逻辑回归之代价函数前言：由机器学习（六）我们得到了二分类问题的假设函数 hθ(x)，那么下一步我们需要确定代价函数 J(θ)，然后通过梯度下降法确定拟合参数θ。一、代价函数1、假设函数：2、对于线性回归的代价函数3、但是因为 hθ(x)是S型的非线性函数，因此我们得到的J(θ)图形，可能是如下图所示的非凸函数4、那么对于这样的代价函数J(θ)，我们就很难用梯度下降...
2019-12-24 17:05:32
3791
原创 豪芳团旅行记
豪芳团旅行记豪芳团简介：该团队规模庞大。共有人员2人！由本人担任团长，还有另一个很难带的团友（我太难了~~）；资金雄厚（穷的只剩下‘qian’了）；有关该团队的详细介绍请访问http://haofangteam.com好了关于团队简介到此结束（if you believe it~~）------------------------------------------------------...
2019-12-24 13:22:58
462
1
原创 机器学习（六）逻辑回归---二分类问题
机器学习（六）逻辑回归—二分类问题前言：前面讲到的线性回归都是属于对样本数据拟合，得到学习器，进而预测数据的方法。本节学习逻辑回归，一种数据的监督分类方法。对于分类问题，本节我们首先主要学习两种类别的分类问题例如：举例类别邮件垃圾邮件/非垃圾邮件（YES/NO）在线交易欺诈交易/非欺诈交易（YES/NO）肿瘤恶性/良性（YES/NO）二分类问题，...
2019-12-23 23:13:48
601
原创 机器学习（四）梯度下降法之特征缩放、学习速率判断与选择
机器学习（四）梯度下降法之特征缩放、学习速率判断与选择前言：由前面梯度下降法的学习可知，如果特征要素对应的样本数据值过大，会使得寻找最小代价函数的“路程”过于坎坷，降低算法效率。针对这种情况我们可以师兄特征缩放方法，一定程度上解决该问题。同时对于梯度下降法中学习速率，如果选择不当也会造成严重的后果，甚至使得代价函数不能收敛。那么解决这个问题，就需要我们在选择学习速率的同时，实时监控选择的学习...
2019-12-19 22:37:44
643
1
原创 机器学习（三）多元线性回归以及多元梯度下降法
机器学习（三）多元线性回归以及多元梯度下降法前言： 一般的假设函数都与多个特征相关，比如我们在机器学习（一）中提到的房子价格只是与面积有关。但实际房子价格和多种特征要素有关，比如与房子的大小，房子的卧室个数，房子的楼层数，房龄等等，因此本篇博客将在一元线性回归算法之上理解多元线性回归算法，其实他们直接本质是一样的原理，我们也就是使用了从从特殊到一般的方法论。案例例如预测房价与房子大小，卧室...
2019-12-02 17:04:41
1378
原创 机器学习（二） 梯度下降法
机器学习（二） 梯度下降法前言： 在上篇博文机器学习（一）中，最后我们提到，通过计算代价函数J(Θ)是否收敛于最小值来确定假设函数的参数Θ，进而训练出机器学习中的线性回归算法，那么如何来找到使得J（Θ）最小话的参数Θ呢，本篇博文将介绍一种常用的方法，梯度下降法来确定参数Θ值。一、对于单特征线性回归，梯度下降法的算法如下：repeat untile Θ no change{}其中 α是...
2019-12-01 12:36:29
440
原创 机器学习（一） 一元线性回归算法
机器学习（一） 线性回归算法前言： 身处于大数据时代，又置身于科研的征途上，如果没有合理的数据处理和分析方法，那么你置身于无穷无尽的大数据之中只有迷茫的份了。关于机器学习这个类别的博文，我将跟随着吴恩达老师的机器学习视频为基础，然后以我对视频的理解来记录机器学习相关的算法。吴恩达老师的机器学习视频B站链接一、机器学习一般步骤二、公式中符号解释m：训练样本的数量X：输入变量Y：输出...
2019-12-01 10:42:12
1637
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人