- 博客(4)
- 资源 (3)
- 收藏
- 关注
原创 L1,L2正则化
何为正则化 正则化就是给模型加上的一个“项”,我们先来看一个图 对于这么一个模型,它在训练数据集上取得的成绩很好,但是有一个问题存在,模型太过于复杂了,往往这样的一个模型将它放在实际问题当中发挥的效果不会很好,方差过大不稳定,这就导致过拟合的现象发生,于是我们引入正则项,对模型加以限制,对复杂模型进行惩罚,因此又叫惩罚项* 这里的R就是我们需要引入的正则化项,我们在计算损失函数添加正则化项...
2018-09-30 22:00:49 220
原创 机器学习-入门
前言(废话) 学习机器学习已经有段时间了,之前一直是在用思维导图做的笔记,今天终于打算在博客上分享自己学习过程中的一些知识,这是我第一次公开分享,难免有些差强人意,希望大家不要吐口水,ok,咱们进入正题 what is Machine-learning? 机器学习 机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分...
2018-09-30 14:46:08 321 3
原创 线性回归——机器学习的第一个算法
介绍 定义:线性回归在假设特证满足线性关系,根据给定的训练数据训练一个模型,并用此模型进行预测。 (小萌A:)什么意思? 简单来说,我们把每个数据样本比作一个点,对于这堆点,我们试着用一条直线去拟合它们,尽可能的使得这些点均匀的分布在直线的两边,像这样: x轴表示数据样本,y轴表示通过数据样本得到的结果 我们拟合出一条最优的直线后,当有新的数据出现时,我们可以通过这条直线来预测对应的y值,就是这个...
2018-09-30 14:45:09 218
原创 笔记—数据预处理
前言(~废话) 为了建立一个好的机器学习模型,对数据进行一定的处理是十分有必要的,接下来简单介绍几种初级的处理方法,后续将补充其他的数据处理的操作 线性回归之多项式转换 先来看一张图: 对于很多场景下,对样本直接进行线性回归可能并不能达到很好的效果,比如图1 可能你已经想到可以对数据集进行多项式转换,图1中,我们的数学模型为: 多项式转换后我们的数学模型可以为m次方程: 通过多项式转换,我们...
2018-09-30 14:42:39 418
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人