2017年06月_lankuohsing

原创机器学习之softmax回归

@(机器学习)[回归]Softmax回归详解在softmax回归中，我们解决的是多分类问题（相对于logistic回归解决的二分类问题），标记yy可以取kk个不同的值。对于训练集{(x(1),y(1)),⋯,(x(m),y(m))}\{(x^{(1)},y^{(1)}),\cdots,(x^{(m)},y^{(m)})\}，我们有y(1)∈{1,2,⋯,k}y^{(1)}\in \{1,2,\cdo...

2017-06-29 21:18:07 645 1

原创机器学习之logistic回归

@(机器学习)[回归]logistic回归在《机器学习中的线性回归模型》一章中，我们学习了如何使用线性模型进行回归学习。如果要将线性模型用来分类，就要用到该章结尾介绍的广义线性模型了。 logistic回归模型采用logistic函数来将线性回归产生的预测值z=wTx+bz=\boldsymbol{w}^T\boldsymbol{x}+b转化为一个接近0或1的yy值; y=11+e−z(1)y...

2017-06-28 00:30:12 503

原创机器学习之线性回归模型

@(机器学习)[回归]线性回归模型（本章内容是后续logistic回归和softmax回归的基础）给定数据集D={(x1,y1),(x2,y2),…,(xm,ym)}D=\{(\mathbf{x}_1,y_1),(\mathbf{x}_2,y_2),\dots ,(\mathbf{x}_m,y_m)\}，其中xi={xi1;xi2;…;xid}\mathbf{x}_i=\{x_{i1};x_{i

2017-06-27 23:20:01 394

原创参数估计之最大似然估计入门详解

参数估计之最大似然估计（此文为后续学习softmax函数等内容提供基础）基本思路：对于离散总体，设有样本观测值x1,x2,⋯,xnx_1,x_2,\cdots ,x_n，我们写出该观测值出现的概率，它一般依赖于某个或某些参数，用θ\theta表示，将该概率看成θ\theta的函数，用L(θ)L(\theta)表示，称为似然函数： L(θ)=P(X1=x1,⋯,Xn=xn;θ)(1)L(\the

2017-06-27 11:34:26 1415

原创卷积神经网络基础教程

卷积神经网络基础教程卷积神经网络是指那些至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。卷积神经网络是一种专门用来处理具有类似网格结构的数据的神经网络，例如时间序列（可以认为是在时间轴上有规律地采样形成的一维网格）和图像数据（可以看作是二维的像素网格）。卷积运算一维场合卷积的一个重要物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。对于线性时不变系统，如

2017-06-05 12:06:05 1350

原创前馈神经网络基础教程

深度学习之前馈神经网络基础教程

2017-06-04 12:27:26 1362

原创卡尔曼滤波公式详细推导过程

卡尔曼滤波公式推导

2017-06-02 12:24:27 1335

转载欢迎使用CSDN-markdown编辑器

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

2017-06-02 12:21:05 275

lankuohsing的博客