![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 87
爱老虎呦
把球给我,我要回家
展开
-
机器学习笔记2-监督学习
1. 线性回归1.1 三种梯度下降策略随机梯度下降法:逐个地在每个数据点应用平方(或绝对)误差,并重复这一流程很多次;批量梯度下降法:同时在每个数据点应用平方(或绝对)误差,并重复这一流程很多次;小批次梯度下降法:线性回归的最佳方式是将数据拆分成很多小批次。每个批次都大概具有相同数量的数据点。然后使用每个批次更新权重。具体而言,向数据点应用平方(或绝对)误差时,就会获得可以与模型权重相加的值。我们可以加上这些值,更新权重,然后在下个数据点应用平方(或绝对)误差。或者同时对所有点计算这些值,加上它们原创 2021-04-15 17:05:00 · 172 阅读 · 0 评论 -
机器学习笔记1
翻出了2018年参加了Udacity机器学习进阶班的课上笔记,在此分享训练与模型1.逻辑回归from sklearn.linear_model import LogisticRegression classifier = LogisticRegression() classifier.fit(X,y) 2.神经网络from sklearn.neural_network import MLPClassifier classifier = MLPClassifier() 3.决策原创 2021-04-15 11:00:32 · 124 阅读 · 0 评论