![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
qq阙继婷
这个作者很懒,什么都没留下…
展开
-
简单线性回归
目的:找到一条直线,最大程度的拟合样本特征和样本输出标记之间的关系。 假设我们找到了最佳拟合的直线方程:y=ax+by=ax+by=ax+b 则对于每一个样本点x(i)x^{(i)}x(i),根据直线方程,预测值为y^(i)\hat{y}^{(i)}y^(i),真值为y(i)y^{(i)}y(i),我们希望y(i)y^{(i)}y(i)和y^(i)\hat{y}^{(i)}y^(i)的差距尽量小: (y(i)−y^(i))2(y^{(i)}-\hat{y}^{(i)})^2(y(i)−y^(i))2原创 2020-05-22 16:35:23 · 117 阅读 · 0 评论 -
统计学习方法笔记一
原创 2020-03-28 00:15:27 · 78 阅读 · 0 评论 -
统计学习方法笔记二
第二章 感知机 一、感知机定义 假设输入空间(特征空间)是x⊆Rnx\subseteq R^nx⊆Rn,输出空间是y={+1,−1}y=\{+1,-1\}y={+1,−1}。输入x∈Xx \in Xx∈X表示实例的特征向量,对应于输入空间(特征空间)的点;输出y∈Yy \in Yy∈Y表示实例的类型。由输入空间到输出空间的如下函数: f(x)=sign(w⋅x+b) f(x)=sign(w\cdo...原创 2020-03-28 16:41:56 · 112 阅读 · 0 评论