机器学习 李宏毅
文章平均质量分 91
Lhenin
这个作者很懒,什么都没留下…
展开
-
机器学习(一):绪论
一、绪论随着人工智能成为各个领域的热门,机器学习也成为当下的热门研究领域。在实际场景中,人们研究的重点是寻找合适的模型,正确的参数,以解决实际问题;在统计学中,机器学习又称做统计学习,研究的重点是推导原理,寻找新的方法,确保新的方法有科学,能够解释的原理,并且使结果更加精准。目前,各行各业都已经有成熟的机器学习方法处理业务问题,但其原理与目前最前沿的机器学习理论还有一定差距,所以将理论应用于实际仍有较长的路要走机器学习的流程数据预处理机器学习的实现需要大量的数据支持,这些数据形成的集合即为数据集原创 2021-09-13 20:22:06 · 500 阅读 · 0 评论 -
机器学习(二):回归
二、回归即找到一个函数,输入指示变量xxx后,能够得到响应变量yyy,我们可以使用数学语言来描述设x=(x1,x2,...,xn)x=(x_1,x_2,...,x_n)x=(x1,x2,...,xn)是输入变量,每个xix_ixi表示样本的特征,回归即找到一个函数f(x)f(x)f(x),将xxx代入后,得到预测值y^\hat yy^,其值与真实值yyy只存在一个较小的误差ϵ\epsilonϵ建模步骤Step 1:模型假设建立回归模型的第一步,即选择合适的模型,其中最简单的即为线性回归模原创 2021-09-15 23:26:55 · 185 阅读 · 0 评论 -
机器学习(三):误差与梯度下降
三、偏差与梯度下降Bias and Variance一个模型的误差主要来源于两部分:bias and variancebias: 估计值与真实值之间存在的差异Variance: 描述数据之间的离散程度,即波动范围在实际情况中,我们是通过样本来进行推断,所以得到的结果都是估计值,一般会使用y^\hat yy^的方式来表示。关于bias和variance见下面例子设变量XXX的观测值为x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1,x2,⋯,xn, 且真实的均值(期望)为原创 2021-09-18 00:10:15 · 442 阅读 · 0 评论