![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习笔记
文章平均质量分 86
Vic.C
这个作者很懒,什么都没留下…
展开
-
机器学习笔记(三)过拟合、欠拟合与正则化
一、过拟合与欠拟合 1.定义 过拟合与欠拟合都是机器学习建模过程中可能遇到的问题。欠拟合指模型在训练过程中对训练集拟合效果差,一般是由于模型的复杂度过低;过拟合指模型在训练过程中对训练集拟合效果好,但在测试过程中对测试集拟合效果差,即模型的泛化能力差,一般是由于建立的模型过于复杂。 2.出现原因 出现欠拟合情况的原因一般是模型还未完成学习,在后续的学习过程中一般能够得到改善。 出现过拟合情况的原因一般为: 1.训练集数据类型单一或数据量过小 2.训练数据当中噪声干扰过大 3.模型过于复杂(包含了过多特征)原创 2022-04-13 14:56:06 · 946 阅读 · 0 评论 -
机器学习笔记 (二)Logistic回归
一、Logit函数和Sigmoid函数 二、模型形式 hθ(x)=11+e−θTxh_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}hθ(x)=1+e−θTx1 其中θ=(θ0,θ1,θ2,...,θn)T\theta=(\theta_0,\theta_1,\theta_2,...,\theta_n)^Tθ=(θ0,θ1,θ2,...,θn)T,x=(1,x(1),x(2),...,x(n))Tx=(1,x^{(1)},x^{(2)},...,x^{(n)})^Tx=(原创 2022-04-11 16:08:51 · 1434 阅读 · 0 评论 -
机器学习笔记 (一) 线性回归
前言 lz最近开始学习机器学习算法,为了防止现在学到的知识在未来一段时间慢慢遗忘,在学习途中作此纪录,方便未来回顾。 本文记录的算法是线性回归算法。 一、名词解读 1.线性 什么是线性?顾名思义,线性的意思就是数学模型的几何表现是一条直线,这是基于模型中因变量(机器学习中称为特征或属性)是一元的情况。当模型中因变量为二元(特征向量是二维)时,其在几何上的表现则是一个平面,而当模型中因变量为多元(特征向量是多维)时,其在几何上的表现是一个超平面。 2.回归 在有监督算法中,当因变量y是连续性变量时,需要使用回原创 2022-04-10 17:07:09 · 993 阅读 · 0 评论