2015年11月_LiemZuvon

11月 09月 08月

原创【Machine Learning】5.正则化

过渡拟合（overfitting）问题：正则化用来解决过渡拟合的问题。高偏差或者欠拟合问题是指假说函数值与真实值的误差趋势较大，通常是由于这个假说函数太简单或者使用了较少的特征作为输入。另一个极端是过渡拟合或高分歧是由于假说函数拟合了大量的输入值但是并不具有很好的兼容性，不能很好的用以预测新的数据，通常是由于假说函数过于复杂而产生了大量不必要的弯曲。无论是在线性回归还是逻辑回归都会

2015-11-13 20:03:09 978

原创 [Machine Learning]4.逻辑回归（logistic regression）

接下来我们将从回归问题切换至分类问题。分类问题的名字logistic regression是由于历史原因，但事实上讨论的并不是用于regression问题，而是classification问题。分类在这时，我们的输出值y再也不是连续量，而是离散值，不是0就是1.y=0代表反向类别，y=1代表正向类别，当然我们也可以根据自身需要给y自己的类别定义。现在我们只讨论只有两个类别的

2015-11-08 18:18:40 955

原创【Machine Learning】3.多元线性回归

多元特征线性问题中带有多个变量的问题称为“多元线性回归”问题。

2015-11-04 14:47:35 641

原创【Machine Learning】2.一元线性回归

模型表示在线性回归问题中，我们将只有一个变量的称为“一元线性回归”问题一元线性回归问题通常用于解决从单一的输入到单一的输出的问题假说函数（Hypothesis Function）假说函数通式：h_theta(x) = theta_0 + theta_1*x这个h函数就是将输入映射到输出的函数例如x (input)y (output)

2015-11-04 13:22:38 511

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【Machine Learning】5.正则化

原创 [Machine Learning]4.逻辑回归（logistic regression）

原创 【Machine Learning】3.多元线性回归

原创 【Machine Learning】2.一元线性回归

空空如也

空空如也

原创【Machine Learning】5.正则化

原创【Machine Learning】3.多元线性回归

原创【Machine Learning】2.一元线性回归