机器学习
Beta_King
欢迎来我的github:https://github.com/Brian-Liew
展开
-
机器学习——Logistic回归
机器学习——Logistic回归回归:常见的回归是指我们给定一些数据点,用于一条直线的拟合,在得到这条直线后,当有新的输入时,可以得到它的输出,相较于普通的线性回归(用于连续变量的预测),Logistics主要用于离散变量的分类,它的输出范围是一个离散的集合,表示属于某一类的概率。总的来说,Logistics回归进行分类的主要思想是:根据现有数据对分类边界线建立回归,以此进行分类,本质上是一个...原创 2019-08-01 22:33:17 · 899 阅读 · 0 评论 -
机器学习——Logistic回归(下)
机器学习——Logistic回归(下)本篇主要对Logistic的梯度上升算法作了一定的改进,重新改成随机梯度上升算法;接着使用sklearn对一个实例进行了应用示范。随机梯度上升算法:在上一节我们的梯度上升算法中,我们需要遍历整一个数据集进行回归系数的更新:def gradAscent(dataMatIn,classLabels): dataMatrix = np.mat(dataMa...原创 2019-08-02 14:50:38 · 195 阅读 · 0 评论 -
机器学习——支持向量机(SVM)复讲
机器学习——支持向量机(SVM)复讲之前做了支持向量机的笔记,过了这几天,觉得又有点忘了,重新拿起来复习一遍,然后作了一个更加精简的笔记,应该会更容易懂。支持向量机在解决什么问题:支持向量机和很多机器学习的算法一样,是针对分类的一种算法,最简单的理解就是线性二分类,如下图:这副图其实就很概括性地理解了支持向量机的分类原理,什么样的分类间隔面才是合理并且最优的呢?显然是与两堆类别间隔最大的...原创 2019-08-10 16:22:52 · 236 阅读 · 0 评论