![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
眯眯眼:)
这个作者很懒,什么都没留下…
展开
-
Apriori算法java实现
做实验的时候看到的博客,思路清楚,代码清晰。所以做一个留存package datamining;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Set;public class Apriori{ // 支持度阈值 private final static int SUPPORT = 2; //转载 2020-05-10 16:04:30 · 448 阅读 · 0 评论 -
机器学习(5.2)——特征缩放,学习率调整,特征选择与多项式回归
现在的目标就是让特征趋向一个相近的范围。左边的图像因为两个特征取值差异很大,所以会导致代价函数J(x)的呈椭圆形。进行梯度下降时会如红色线条所示产生很大的抖动。右边我们为两个特征进行缩放,除以特征的最大值。让他们取值都再0-1的区间。让代价函数J(x)呈圆形,这人收敛的很快。通常认为缩放至-1-1是比较合适的。!!!!!重点均值归一化均值归一化,让特征值有靠近0的值这句话我想了半天...原创 2019-12-18 16:51:17 · 307 阅读 · 0 评论 -
机器学习(5.1)——多元线性回归
之前的例子中变量只有一个,这次拥有多个变量用向量来表示每一个测试样本由于之前所用的假设函数的变量只有X一个,所以就不能在使用这个假设函数我们将变量与参数都写成向量的形式,然后为变量补上X0=1;将参数矩阵转置得到:h(x)等于该式子。我们将这个假设函数称为多元线性回归。在新的梯度下降中,我们的新式子给出的是一个一般形式。应该很好理解。...原创 2019-12-17 11:07:09 · 111 阅读 · 0 评论 -
机器学习(4)——矩阵相关
基本知识点基本知识点开篇简单介绍了矩阵——二维数组,矩阵维数及为行数乘以列数。一种表示方式还是简单理论:向量简单理论这里表示一个四维向量矩阵用大写,向量用小写课程默认下标从1开始,当然0比较适合机器学习矩阵加法与标量乘法不同维数的矩阵不能想加向量表示矩阵乘法...原创 2019-12-16 23:16:45 · 634 阅读 · 0 评论 -
机器学习(3)——梯度下降
例子假设:我们有一个代价函数,我们想要获得最小值。首先定义两个参数值为0,然后改变两个参数值取减少代价函数的值在梯度算法中,想象自己在红色山顶(最高处),每走一步想下降速度最快的地方移动,然后再环顾四周,找到下降速度最快的方向移动。周而复始最后走到谷底。这就完成了一次梯度算法。数学原理看看背后的深层数学原理本课程中:=表示赋值的意思=表示做等价判断或者声明等式右边的是一个偏导...原创 2019-12-16 09:27:57 · 185 阅读 · 0 评论 -
机器学习(2)——代价函数
模型描述在监督学习中,有一个数据集(data set),也被称为(training set) .算法的工作就是学习如何预测相关结果。课程相关变量名:m:数据数量x:输入变量y:输出变量(x,y):一个训练样本(x ^(i),y ^(i)):第i个训练样本简单实例h:假设函数。模型最初最需要一个假设函数然后选择两个可靠的参数代价函数我们获取到模型要做的就是获得较为准确的两个...原创 2019-12-15 19:04:37 · 322 阅读 · 0 评论 -
机器学习笔记(1)——监督学习与非监督学习
吴恩达相关视频学习机器学习相关定义:机器程序从从经验e(experience)学习,解决某一任务t(task)进行某一性能度量p(performance),通过p对测定t使得e提高监督学习给出结果集,其中有正确数据。数据中的每个样本,都可以获得一个结果集算法的目的就是给出更多的正确答案(可以进行预测)。这个例子这也是一个回归问题。回归问题:预测连续数据的输出。分类问题:分类是指...原创 2019-12-15 13:33:41 · 117 阅读 · 0 评论