机器学习
Nora Taki
这个作者很懒,什么都没留下…
展开
-
机器学习 - 线性回归(Linear Regression)
1. 目标 线性回归是希望通过对样本集进行有监督的学习之后,找出特征属性与标签属性之间的线性关系 Θ\ThetaΘ。从而在获取没有标签值的新数据时,根据特征值和线性关系,对标签值进行预测。 2. 算法原理 2.1 线性模型(Linear Model) 在二维平面坐标系中,一条直线可表示为:f(x)=θ1x+θ0f(x) = \theta_1x + \theta_0f(x)=θ1x+θ0 扩展...原创 2019-08-27 15:42:18 · 249 阅读 · 0 评论 -
机器学习 - 逻辑回归(Logistic Regression)
1. 目标 线性回归本身是一种回归算法,目的在于利用训练集所得出的学习器,预测新数据所对应的连续值结果。而逻辑回归,其本质是一种分类算法,是希望通过拟合一条曲线,以曲线为决策边界,将空间中标签值不同的点进行划分。 2. 算法原理 2.1 sigmoid函数 y=11+e−zy=\frac{1}{1+e^{-z}}y=1+e−z1 sigmoid函数在输入趋近于正无穷时,函数值趋近于1;输入趋近...原创 2019-08-30 19:58:18 · 192 阅读 · 0 评论