![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 73
邵华成
程序员
展开
-
【机器学习入门】logistic回归
logistic回归名为“回归”,实质上却是一个分类模型。它的思路是用一个S型函数进行回归模型拟合,预测值大于0.5时认为是正类,小于0.5时认为是负类。 用logistic回归用于分类而不采取线性回归的原因在于,当两个类的样本较多分布不同的时候,线性回归会倾向于偏向样本较多的那个类,并尝试拟合“较远”的样本。logistic回归选择将线性回归函数转化到一个S型函数上。 hθ(x)=g(θTx)原创 2016-07-23 00:05:27 · 414 阅读 · 0 评论 -
【机器学习入门】线性回归的概率解释
Andrew Ng的公开课机器学习线性回归中我们建立了一个线性模型h(x(i))=θTx(i)h(x^{(i)})=\theta^T x^{(i)},并计算误差函数J(θ)=∑mi=1(h(x(i))−y(i))2=∑mi=1(θTx(i)−y(i))2J(\theta) =\sum _{i=1}^{m}(h(x^{(i)})-y^{(i)})^2 = \sum _{i=1}^{m}(\theta^原创 2016-07-21 19:28:33 · 1746 阅读 · 0 评论 -
【机器学习入门】局部加权回归
线性回归:拟合参数θ\theta使得∑i(y(i)−θTx(i))2\sum_i (y^{(i)} - \theta^Tx^{(i)})^2最小,返回θTx\theta^T x作为预测值。局部加权回归(Local Weighted Regression, LWR)是这样一个模型: 当你需要拟合xx时,检查数据集,并且只考虑那些位于xx周围的那些点。对xx附近的数据子集使用线性回归来拟合出一条直线。原创 2016-07-22 10:18:56 · 629 阅读 · 0 评论