![](https://img-blog.csdnimg.cn/20200831201301132.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 85
“The Future.”
crawlertinux
ML!!!
展开
-
决策树
决策树Decision Tree决策树是一种基于 if-else 规则的监督学习算法,算法的结构是树形的。可用于解决分类问题和回归问题。目标变量(在叶节点中表示)可以采用连续值(通常是实数)的决策树称为回归树。1. 决策树的组成根节点:代表整个样本集内部节点:代表一个个决策,或者说特征属性测试。叶节点:代表决策结果。2. 决策树的运作过程对样本集中的每个样本点进行属性测试,根据判定结果决定样本点被分到哪个分支,重复这个过程,直到到达叶节点处。用银行贷款的例子举例:3. 决策树学习的步原创 2020-09-10 19:13:52 · 1386 阅读 · 0 评论 -
支持向量机的本质
支持向量机 Support Vector Machine 简称 SVM ,是一种最大化间隔的分类算法。最大化间隔的意思说白了就是,找到最大的间隔。(我就觉得奇怪,SVM 是一种算法,也就是一套方法,但 “SVM” 这名字取得好像它是一种装置一样…)支持向量机解决的是分类问题。(SVM 是否可用于解决其他类型的问题,比如回归?)支持向量机的思想分类问题可分为线性可分问题和非线性可分问题。首先讨论线性可分问题。线性可分问题也就是(在二维情况下)可以通过一条直线将数据集中的样本点分为两类的问题。这里的直线原创 2020-09-03 12:54:20 · 462 阅读 · 0 评论 -
李宏毅机器学习 笔记 01
勤能补拙。李宏毅牛逼!机器学习就是找函数。函数可以分很多类,线性的、非线性的、神经网络等等。找到函数后如何评价函数的好坏?用 Loss 。Loss 也是函数,将一个函数 A 扔到 Loss 函数中,就可以得出 A 的好坏程度。机器怎么找出你想要的函数?首先给定范围,即给定要使用哪个类型的函数,线性的?神经网络?给定范围后,用 Gradient Descent 来找出最优的函数。根据所需要的输出的类型,可以将任务分成 Regression 和 Classification 两类。Regr.原创 2020-09-02 23:23:54 · 125 阅读 · 0 评论 -
机器学习系统设计
误差分析原创 2020-08-31 23:47:26 · 235 阅读 · 0 评论 -
logistic 回归梯度下降函数推导过程
logistic 回归的代价函数:J(θ)=−1m∑i=1m[y(i)loghθ(x(i))+(1−y(i))log(1−hθ(x(i)))]J(\theta)=-\frac{1}{m}\sum_{i=1}^{m} \left[y^{(i)} \log h_{\theta}\left(x^{(i)}\right)+\left(1-y^{(i)}\right) \log \left(1-h_{\theta}\left(x^{(i)}\right)\right)\right]J(θ)=−m1i=1∑m原创 2020-08-23 09:51:37 · 1588 阅读 · 0 评论 -
机器学习 | 向量化
下面对线性回归模型、代价函数、梯度下降算法等基础概念进行向量化。在这里我们讨论的都是这些概念的最一般的形式,毕竟,数学家都喜欢这么做。原创 2020-08-22 18:36:36 · 745 阅读 · 0 评论