机器学习
PlanDoCheckAction
向死而生。
展开
-
机器学习学习笔记(一)
(一)什么是机器学习,机器学习能做些什么事情1.什么是机器学习最早定义机器学习的人是Arthur Samuel,他对机器学习的定义是说,在进行特定编程的情况下,给予计算机学习能力的领域。另一个年代近一点的定义,由Tom Mitchell提出,他说,一个程序被认为能从经验E中学习,解决任务T,达到性能度量值P,当且仅当,有了经验E后,经过P评判,程序在处理T时的性能有所提升。通俗来讲,经验...原创 2019-01-20 01:17:26 · 719 阅读 · 0 评论 -
机器学习学习笔记(二)
(二)单变量线性回归1.模型表示首先第一个学习算法是线性回归算法,并且这属于监督学习的范畴。先举个例子,这个例子是预测住房价格的,我们要使用一个数据集,数据集包含俄勒冈州波特兰市的住房价格。在这里,需要根据不同房屋尺寸所售出的价格,画出数据集的图像。比方说,如果一个房子是1250平方尺大小,你要知道这房子能卖多少钱。那么,我们可以做的一件事就是构建一个模型,也许是条直线,从这个数据模型上来...原创 2019-01-21 00:03:47 · 245 阅读 · 0 评论 -
机器学习学习笔记(三)
(三)多变量线性回归1. 多维特征在机器学习学习笔记(二)中,我们探讨了单变量/特征的回归模型,现在再对房价模型增加更多的特征,例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为 (x0,x1,...,xn)(x_0,x_1,...,x_n)(x0,x1,...,xn) 。增添更多特征后,再引入一系列新的注释:nnn 代表特征的数量x(i)x^{(i)}x(i) 代表...原创 2019-01-22 00:07:16 · 285 阅读 · 0 评论 -
机器学习学习笔记(四)
(四)逻辑回归1.分类问题原创 2019-01-28 00:27:45 · 330 阅读 · 0 评论 -
机器学习学习笔记(五)
(五)正则化1.过拟合的问题到现在为止,我们已经学习了几种不同的学习算法,包括线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过拟合(over-fitting)的问题,可能会导致它们效果很差。先解释什么是过度拟合问题,如果我们有非常多的特征,我们通过学习得到的假设可能能够非常好地适应训练集(代价函数可能几乎为0),但是可能会不能推广到新的数...原创 2019-01-28 01:19:27 · 184 阅读 · 0 评论 -
机器学习学习笔记(六)
(六)逻辑回归1.非线性假设我们之前学的,无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时,计算的负荷会非常大。下面是一个例子:当我们使用 x1,x2x_1,x_2x1,x2 的多次项式进行预测时,我们可以应用的很好。 之前我们已经看到过,使用非线性的多项式项,能够帮助我们建立更好的分类模型。假设我们有非常多的特征,例如大于100个变量,我们希望用这100个特征来构建一...原创 2019-02-08 18:06:40 · 329 阅读 · 0 评论 -
机器学习学习笔记(七)
(七)神经网络的学习1.代价函数假设神经网络的训练样本有 mmm 个,每个包含一组输入 xxx 和一组输出信号 yyy , LLL 表示神经网络层数, SlS_lSl 表示中间每层的neuron个数( SlS_lSl 表示输出层神经元个数), SlS_lSl 代表最后一层中处理单元的个数。将神经网络的分类定义为两种情况:二类分类和多类分类。二类分类: SL=0,y=0or1S_L ...原创 2019-03-09 19:42:32 · 155 阅读 · 0 评论