- 博客(2)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 斯坦福大学数据挖掘公开课学习笔记____Lesson2
Lesson2 总述：这节课主要讲线性回归问题及其解法。用梯度下降的方法来训练参数，或用最小二乘法来直接计算参数。 1. 线性回归(linearregression)，即假设特征和结果满足线性关系，模拟出数学模型，然后将该数学模型用于预测或分类。 假设我们有房屋销售的数据： 面积(m^2) 卧室（间） … 销售价钱（万元）
2015-07-20 15:11:09
1127
原创 斯坦福大学数据挖掘公开课学习笔记____Lesson1
Lesson 1 这节课主要介绍机器学习的分类。 (一) 机器学习主要处理的三类问题： （1） 监督学习（supervisedlearning）：通过学习来预测房屋价格的问题是监督学习问题的一个例子。之所以称之为监督学习是因为我们为这个算法提供了一组房屋大小和某种程度上可以看成正确答案的房屋价格的数据。换句话说，我们在“监督”问题的算法，给算法提供了一组“标准答案”。就像
2015-07-17 16:36:42
2872
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人