qq_41166909的博客

hypothesis：假设Cost Function：代价函数parameters：参数Gradient Descent：梯度下降算法local minimum：局部最小值。global minimum：全局最小值

前提知识：1，sigmoid函数在分类过程中，我们使用了感知机，将样本分成了两类，使用的分类函数是sign,但是sign函数只能讲数据粗暴的分为+1和-1，其实是不太符合事实的，所以采用sigmoid函数，这个函数是平滑的，任何一个地方导数都不会为零，也不会产生突变，而且将所有的数据都映射在[0,1]范围之内，适合做概率输出。...

k紧邻算法首先创建kNN.py#fileName kNN.pyfrom numpy import *import operatordef createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return group,labelsk近邻算法实现#file k-近邻算法实现.pydef classify0(inX,dataSet,

监督学习SVM(Support vector Machine)