机器学习
文章平均质量分 90
Amberrr_Li
不做后悔事,不吃甜泡菜
展开
-
《机器学习》__note2
Generative Learning algorithms上一篇文章主要讲了线性回归和逻辑回归,它们都是给定x对y进行建模,即求出 p(y| x;θ) ,本章将介绍另外一种学习算法:生成学习算法。主要思路是依据条件概率公式p(y|x) = p(x|y)p(y)/p(x),间接求出p(y| x;θ) 。通俗点讲就是对不同的输出y分别建立模型,在预测的时候带入这两个模型,看谁概率更大。用公式来表示:原创 2015-09-22 20:00:34 · 525 阅读 · 0 评论 -
《机器学习》__note1
笔者刚开始学习Andew Ng老师的机器学习课程,由于自己基础不是很好,写的笔记可能会出现一些错误,欢迎大家批评指正,互相交流。 第一课主要讲了监督学习,分为四个部分:线性回归、逻辑回归(分类问题)、广义线性模型。监督学习,顾名思义,就是在有指导方向(就是输出y)的前提下学习,也就是说在训练集中每个样本都有对应的输出。学习的过程就是找出输入和输出(也称目标变量)的映射函数,这个原创 2015-09-15 16:06:33 · 519 阅读 · 0 评论 -
《机器学习》__note3
Support Vector Machines这篇文章介绍支持向量机(Support Vector Machine,SVM)学习算法,它是一种非常成熟有效的监督学习算法。本文首先介绍margin和用间隔分离数据的概念。然后介绍最优间隔分类器,顺带介绍一下拉格朗日对偶问题。接着介绍核函数这个在计算有关高维向量(甚至是无限维)内积时非常有用的工具。最后介绍SVM的最后一步:利用SMO算法求解最优值。Li原创 2015-10-06 09:47:02 · 730 阅读 · 0 评论