机器学习之路(之半途而废)
我的机器学习第一步
大梦想家林先生
一个有梦想的年轻人
展开
-
我的机器学习之路 第六关
六、正则化 1.过拟合问题 为了拟合数据,在假设函数中设置了过多的变量,可以使 J(θ)接近于0,但模拟出来的曲线为非凸曲线,不能更好的泛 化到新样本中 2.解决过拟合的方法: 减少变量数 正则化 3.正则化 当假设函数过拟合时,为了使曲线更光滑,在J(θ)中加上 一个正则化项: λ/(2m)*∑θi^2 (约定θi从θ1开始) 这样可以将所有的θ进行缩小 (1)正则化线性回...原创 2018-10-28 21:36:49 · 275 阅读 · 0 评论 -
我的机器学习之路 第五关
五、Logistic回归 1.核心:Logistic回归算法 (1)用于监督学习里的分类问题,预测离散型输 出,是一种分类算法. (2)分类问题 二分类:输出为0(负类)或者1(正类) 多分类:输出为0,1,2,3等等 2.logistic回归的假设函数h(x) 对于分类问题,如果直接用线性回归中的假 设函数h(x)=θ^T*X,通过...原创 2018-10-24 23:30:33 · 221 阅读 · 0 评论 -
我的机器学习之路 第四关
一、初识octave 1.基本操作 (1)% 表示注释 (2)~ 表示反,相当于编程语言中的! (3)&& 表示与 || 表示或 (4)加减乘除是 + - * / (5)PS1("$") 表示将命令提示符换为$ (6)在命令输入完成后,加一个;原创 2018-10-20 21:36:35 · 5309 阅读 · 1 评论 -
我的机器学习之路 第三关
机器学习之路 三、多变量线性回归 1.定义:用很多特征来拟合数据,更贴近实际应用的线性回归算法,包含很多特征变量x1,x2,x3等等。 其中:m表示样本空间; n表示特征数; x^(i)表示第i组数据; x^(i)j表示第i个训练样本中第j个特征值; 2.多变量假设函数 ...原创 2018-10-18 23:32:18 · 149 阅读 · 0 评论 -
我的机器学习之路 第二关
机器学习之路 二、 单变量线性回归 1.什么是单变量线性回归? 在训练集中,有一个自变量x和一个因变量y,通过数据拟合,去找到它们之间的关系(假设函数)。最终实现任给一个输入,都会有一个相对正确的输出。 注意:单变量线性回归属于监督学习下的回归问题。 2.代价函数 (1)定义:J(k,b)=(1/2m)*∑(h(x) - y(i))^2 其中,h(x)=kx+b ...原创 2018-10-14 19:24:21 · 5316 阅读 · 0 评论 -
我的机器学习之路 第一关
机器学习之路 一、初始机器学习 1.什么是机器学习? 使计算机像人一样,能够通过观察学习获得经验。 2.机器学习的分类: 监督学习、无监督学习、强化学习以及推荐系统。 3.监督学习 (1)定义:给定计算机一定的规则参照,让其对数据进行分析,预测其输出,做出好的决策; (2)分类: 回归问题(预测连续值输出) 分类问题(预测离散值输出) 理解:回归问题和分类问题的区别在于对预测结果类型的不...原创 2018-10-14 00:30:39 · 5303 阅读 · 0 评论