![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
机器学习基础
Lotswn
这个作者很懒,什么都没留下…
展开
-
笔记&符号&说明
符号名词解释,部分定义基于个人喜好,在我自己的笔记中用到。笔记仅用于自己学习记录,很多东西理解得还不是很清楚。机器学习符号或名词意义xxx输入向量,表示一个一维向量yyy样本输出向量,表示一个一维向量XXX输入数据集YYY样本输出数据集XiX^iXi第i个样本输入向量XjiX^i_jXji第i个样本输入向量的第j个特征值nnn输入向量的维数,即特征量个数mmm数据集的大小,即样本个数H/hH/hH/h预测函数J原创 2021-10-29 16:01:20 · 176 阅读 · 0 评论 -
一.线性回归与逻辑回归
1.线性回归(linear regression)(1)引言机器学习解决的问题可以分为分类问题(Classification)和回归(regression)问题两种,前者是离散值输出,而后者是预测值输出。这里先从回归问题引入,而线性回归(linear regression)则表示输入值与输出值之间存在线性关系。(2)预测函数z=H(x)=θ0x0+θ1x1+θ2x2+...+θnxn(x0=1,在说明输入向量维数时并没有考虑x0)z=H(x)=\theta_0x_0+\theta_1x_1+\t.原创 2021-10-20 17:02:24 · 141 阅读 · 0 评论