机器学习
淅淅沥沥的熙
这是我的个人博客:https://xilixili.github.io/
展开
-
machine learning 机器学习入门(二)
本文是在看了andrew ng的斯坦福公开课后写的笔记,有兴趣的网友可以戳这里吴恩达斯坦福公开课从概率角度解释线性回归上篇博客说到了线性回归的成本函数以及其拟合方案,但我们为什么要这样来定义成本函数呢?我们先假设目标变量和自变量满足以下关系其中表示误差项,因为我们在建模时选择的特征种类是有限的,所以有的隐含的特征我们是会忽略的,这种情况不可避免,毕竟我们不可能一开始知道所有的影...原创 2018-10-11 21:43:41 · 801 阅读 · 0 评论 -
machine learning 机器学习入门(一)
本文是在看了andrew ng的斯坦福公开课后写的笔记,有兴趣的网友可以戳这里吴恩达斯坦福公开课有监督学习和无监督学习:机器学习是如今用处较多的一个技术,机器学习,顾名思义,就是计算机替代人类主动去学习并掌握住事物发展的规律,从中拟合出自己想要的模型函数首先先讲讲机器学习中的主要分类,机器学习分为监督学习和非监督学习,从名字中来理解,监督学习就是有监督的学习,那么是什么来监督呢,在机器...原创 2018-10-11 10:42:34 · 865 阅读 · 0 评论 -
牛顿法、Hessian矩阵
牛顿法 主要有两方面的应用:1. 求方程的根;2. 求解最优化方法;一. 为什么要用牛顿法求方程的根? 问题很多,牛顿法 是什么?目前还没有讲清楚,没关系,先直观理解为 牛顿法是一种迭代求解方法(Newton童鞋定义的方法)。 假设 f(x) = 0 为待求解方程,利用传统方法求解,牛顿法求解方程的公式:f(x0+Δx)...转载 2018-10-06 20:41:21 · 615 阅读 · 0 评论 -
machine learning 机器学习入门(三)
分类和逻辑回归在之前说过了线性回归的一些问题,线性回归常常用在一些预测值为连续的情况下,但生活中有的结果是以离散的形态分布的,比如下雨还是不下雨,浏览到新闻会点击还是不会点击,看到商品买还是不买,这些都是有特定的结果类别的,我们称这一类问题为分类问题对于二元分类的问题,从线性的角度来看,最终的预测值依然是连续的,但我们可以对于预测的值设定一个阈值,当预测值超过这个值则另结果为1,否则为0,...原创 2018-10-15 13:45:58 · 143 阅读 · 0 评论 -
machine learning 机器学习入门(四)
构建广义线性模型先了解一下指数族分布的形式,如果一个分布能用以下的形式写出来,则这个式子为指数族分布稍微对比思考会发现,之前的分类用的伯努利分布以及高斯分布都是属于指数族分布的对于伯努利分布,有如下的式子与指数族的式子相对比会发现,对应关系为即其实也就是我们上篇博客说到的logistic函数,从某种层面上也可以解释我们选择logistic函数作为二元分类的概率模型预...原创 2018-10-16 11:59:57 · 229 阅读 · 0 评论