- 博客(7)
- 收藏
- 关注
RSS订阅原创 工作中用到的Python知识汇总
map(function, iterable) 对于可迭代函数iterable中的每一个函数，执行function，并将结果作为list返回。可以说，map（f, iterable) 基本等价于 [f(x) for x in iterable]>>> def add100(x):... return x+100... >>> hh = [11,22,33]>>> map(add1
2016-11-18 16:24:05
645
原创 正则化的意义
问题引入：机器学习中使用「正则化来防止过拟合」到底是一个什么原理？为什么正则化项就可以防止过拟合？这相当于是给模型参数w 添加了一个协方差为1/alpha 的零均值高斯分布先验。 对于alpha =0，也就是不添加正则化约束，则相当于参数的高斯先验分布有着无穷大的协方差，那么这个先验约束则会非常弱，模型为了拟合所有的训练数据，w可以变得任意大不稳定。alpha越大，表明先验的高斯协方差越小，模型约稳
2016-11-08 17:52:27
8067
原创 Andrew Ng机器学习之三 多变量线性回归
1. 多维特征 （Multiple features） 上一篇：单变量线性回归中只针对单个特征，如下图所示： 对于拥有多个特征的样本，比如在房价问题中，房子尺寸(size）、地理位置(Area）等多个特征都会最终影响房屋的实际价格，如下图所示： 现定义： nn: 特征维度 x(i)x^{(i)}: 第ii个输入变量的所有特征，可以认为是一组特征向量，例如
2016-07-11 17:33:08
914
原创 Andrew Ng机器学习之二 单变量线性回归
模型表示Ng视频中举了一个房价的例子，即房屋面积x和售价y之间的一个数据集： 面积(x) 价格（y） 2104 460 1416 232 1534 315 852 178 … … 此处定义： mm: 训练样本的个数，上表中可见的m = 3 x(i)x^{(i)}: 第ii个输入变量/特征，在多输入变量中x(i)x^{(i)}代表一组输入
2016-06-14 20:47:27
424
原创 Andrew Ng机器学习之一 导论
导论监督学习与无监督学习监督学习（Supervised Learning)Ng的原文是： We gave the algorithm a data set that the “right answers” were given即给定了一个正确结果的集合供算法学习，强调了需要实现准备好正负样本喂给机器。无监督学习（Supervised Learning)原文如下： Given the dat
2016-06-14 18:43:17
265
原创 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][6]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
2016-06-14 17:19:43
225
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人