![](https://img-blog.csdnimg.cn/20190927151132530.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习入门
文章平均质量分 88
机器学习入门
愿你被这个世界温暖相待
这个作者很懒,什么都没留下…
展开
-
机器学习入门八
无监督算法无监督算法相对于监督算法,其输入数据是无标签的,如下图所示,只是知道有这么一些数据点找到一些隐含在数据中的结构,通过这些结构可以使得算法将数据分为不同的聚簇,如下是分成了两个部分,生成不同的蔟的算法,称为聚类算法无监督算法可以找到其他类型的结构或者数据的其他类型的模式,而不单单是聚簇算法在给定数据集,对给定训练集进行数学建模,即得到p(x),也就是我们将对x的分布概率建模,其中x是这些特征变量然后进行测试新样本,如果输入的新样本低于某个阈值,将会把该样本标记为异常。原创 2022-09-26 14:35:26 · 602 阅读 · 0 评论 -
机器学习入门七
如下例子中,我们需要拟合一个非线性的边界以区分正负样本,一个办法是可以使用复杂多项式特征的集合,如下右图所示的特征变量的集合,于是的得到了一个假设函数h(x)如下,以f1…fn进行表示原来式子中的高阶项高阶的特征项是一种得到更多特征的方式,但是问题是我们可以有很多种特征组合,或许存在比这些高阶多项式的,更好的特征,并且我们不知道这些高阶项是不是我们真正需要的如下使用特征f1…fn来表示特征,如果我们找到了新的特征,可以将他代进到f1…fn之中,这里就算是对特征的一般化。原创 2022-09-24 19:05:25 · 1178 阅读 · 0 评论 -
机器学习入门六:神经网络相关
神经网络是人们想尝试设计出模拟人脑的算法,最初被用于制造能模拟大脑的机器激活项:由一个具体神经元计算并输出的值aji:表示第j层第i个神经元的激活项, a21表示第二层,也就是隐藏层的第一个神经元的输出值神经网络被这些矩阵参数化,如下θj就是权重矩阵,它控制从某一层,例如第一次层到第二层或者第二层到第三层的映射。例如θ1表示控制第一层到第二层的映射计算相应的激活项,使用到sigmoid函数,如下是关于三个隐藏层如何计算他们的值其中θj。原创 2022-09-21 21:19:48 · 457 阅读 · 0 评论 -
机器学习入门五
假设有如下假设函数,并且有右边的训练集假设我们已经拟合好参数,此时θ0=-3,θ1=1,θ2=1.。那么根据上述logistic函数的性质,当时g函数的参数≥0的时候,预测值y=1,因而这里有如下输出值并根据条件得到:x1+x2 = 3,绘制该曲线有如图酒红色的直线,这条直线称为决策边界,在边界上,预测结果输出都为0.5决策边界是假设函数的一个属性,而不是数据集的属性多项式情况下,也是如此。原创 2022-09-21 09:09:54 · 496 阅读 · 0 评论 -
机器学习入门四
被加载到Octave中以后对应的变量名是文件名,也就是priceY,那么拿到priceY前10个元素并赋给v,进行的操作是:v = priceY(1:10),其中如果文件按列排布,那只会拿到第一列的前10个,如果按行排布,那就会拿到一行的前10个,并且。axis([0.5,1,-1,1]):设置当前操作的子图的坐标范围,前两个参数设置的是x轴的范围,后两个数是设置y轴的范围,具体设置哪个子图是通过subplot进行设置的,按照实例就将x坐标设置成了0.5到1,纵坐标设置成了-1到1。原创 2022-09-19 22:39:26 · 394 阅读 · 0 评论 -
机器学习入门三
θ1和θ2表示两个不同的特征值(这里不考虑θ0这个常数项),那么就相当于h(x) = θ1x1+θ2x2,其中θ1表示的是房屋的面子,θ2表示房屋对应的房间数,并且x1的取值范围为0-2000,而x2的取值范围为0-5,这个时候两个特征值的取值范围相差非常大,这个时候就如果画出其中J(θ)对应的高线图,这个时候就很可能会出现椭圆相当扁长的情况,那么从椭圆的顶端到中心,这个时间就会越长,使得下降过程相当缓慢,反复来回震荡,从而使的梯度下降算法的效率下降。θj,如果每个都求出相应的导数,并不具备一般性。原创 2022-09-19 11:21:50 · 544 阅读 · 0 评论 -
机器学习入门二
如下房价预估例子,将系数转换为具体的矩阵,并将输入特征也转换为具体的矩阵。矩阵:由数字组成的矩形阵列,并写成方括号。向量:特殊的矩阵,是只有一列的矩阵。没有逆矩阵,奇异矩阵例如全0的矩阵。原创 2022-09-18 14:35:37 · 192 阅读 · 0 评论 -
机器学习入门一:基本概念、模型描述、线性回归、代价函数、梯度下降
机器学习是人工智能发展出来的一个领域:计算机程序从经验E中学习,解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高。原创 2022-09-18 10:24:22 · 311 阅读 · 0 评论