![](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 76
rushshi
这个作者很懒,什么都没留下…
展开
-
machine learning学习笔记(一)
最近看coursera的machine learning公开课,感想很多。最大的感受有二,一是我意识到了自己前期浪费了太多时间,以至于有些迷茫,现在明白了很多。二是machine learning确实神奇,andrew也是一个非常棒的老师,AI更是一个神奇的领域,越来越感兴趣了。话不多说,其实已经跟了3 weeks 的课程了,总体感觉不是很难,作业也不是很多,反而重新温习了很多东西,比如cal原创 2014-04-06 22:19:50 · 1112 阅读 · 0 评论 -
machine learning学习笔记(二)
思维学普遍认为,人类大脑的思维分为抽象(逻辑)思维、形象(直观)思维和灵感(顿悟)思维三种基本方式。人工神经网络就是模拟人思维的第二种方式。原创 2014-04-06 22:27:55 · 658 阅读 · 0 评论 -
machine learning学习笔记(三)
为了验证我们训练模型的zhu原创 2014-05-17 11:27:44 · 620 阅读 · 0 评论 -
线性回归概率解释(Linear Regression)
普通线性模型,线性模型的概率解释,贝叶斯线性模型,广义线性模型原创 2015-02-28 23:41:50 · 9863 阅读 · 0 评论 -
Softmax Regression and Logistic Regression
本文先描述如何用广义线性模型GLM推导出softmax regression,之后描述多项分类的一个特例logistic regression。Softmax regression一般分类问题中会将样本分为k类,这类问题可以叫做softmax regression,所以我们可以假设k个参数ϕ1,⋅⋅⋅,ϕk\phi_1,\cdot\cdot\cdot,\phi_k代表每种分类的概率,实际中我们只需要原创 2015-03-16 16:15:59 · 1006 阅读 · 0 评论 -
高斯判别分析(GDA)和朴素贝叶斯(NB)
本文先介绍生成模型(generative model)和判别模型(discriminative model)的区别,然后重点介绍生成模型中的两个例子:高斯判别分析(Gaussian discriminant analysis)和朴素贝叶斯方法(Naive Bayes)生成模型和判别模型监督学习一般学习的是一个决策函数:y=f(x)y=f(x) 或者是条件概率分布:p(y|x)p(y|x) 判别模原创 2015-03-20 21:19:23 · 11129 阅读 · 7 评论 -
从感知机(Perceptron)到支持向量机(SVM)
\quad 本文会介绍感知机和支持向量机的原理,着重阐述这两个算法中的一些逻辑推导思路。1.基础知识:函数距离(functional margins)和几何距离(geometrical margins)假设x∈Rnx\in\mathbb{R}^n,那么显然wTx+b=0w^Tx+b=0是一个超平面。通过推导,空间中的任意一点x(i)x^{(i)}到这个超平面的距离为L=wTx(i)+b||w||L=原创 2015-04-24 22:56:54 · 10474 阅读 · 2 评论