- 博客(4)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 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