- 博客(6)
- 收藏
- 关注
RSS订阅原创 吴恩达机器学习视频总结Day04之正则化
1.过拟合问题 解释：图一：欠拟合，如果线性回归为一条直线，即随着Size增大，price会直线上涨，很不符合。因为如图，当size达到一定程度时，price增长很慢。 图二：刚刚好 图三：过拟合，一条蜿蜒的曲线，严格经过每一个样本。但当我们有太多的特征加入到预测模型时，可能会无法泛化新的样本。 用专门的软件识别欠拟合和过拟合问题： 解决过拟合： （1）选择适量的特征---》模型选...
2019-01-15 15:31:07
164
原创 吴恩达机器学习视频总结Day03之Logistic回归
1.Logistic(逻辑)线性回归 是一种分类算法，常用于解决二分类问题，即结果为 是/否 或 正/负等。 解释：Logistic线性回归是将最终的输出值定义在【0,1】之间。 一般线性回归的预测函数为 Logistic线性回归为g(θ^t *X) g(z)=1/(1+e^-z) sigmoid函数 或者 logistic函数 ，一样的意思...
2019-01-14 15:54:05
226
原创 吴恩达机器学习视频总结Day02之多变量线性回归
1.多变量线性回归 h(x)=θ0x0+θ1x1+θ2x2+...+θnxn h(x)=θt(t为矩阵的转正）*x 多元梯度下降 2.特征缩放 目的：提高梯度下降的收敛速度 特征缩放的标准：一般将特征近似地缩放到-1到1，不用严格为-1和1，但是太大或太小时就需要处理。 （1）除以最大值 左图是原始情况下，梯度下降的收敛；右图将变量除以最大值后，梯度下降的收敛。 （...
2019-01-13 20:51:53
164
原创 吴恩达机器学习视频总结Day01
监督学习：分析训练数据，并产生一个推断的功能，其可以用于映射出新的实例。对应每个数据，事先给出了“正确的答案或标签”。当我们输入数据时，该算法会给显示一个相应的结果。如回归问题，根据之前的数据预测一个准确的输出值，根据房价走势预测房价；分类问题，预测离散的输出值，输入肿瘤大小、病人年龄等预测肿瘤是良性还是恶性。 m表示训练集样本数；x表示输入量，也称特征变量；y表示输出变量或目标变量 监督...
2019-01-11 17:13:07
251
原创 数据挖掘初学Day02
1.将数据集分为 测试集和训练集。训练集用来产生模型，测试集用来检验模型。 2.混淆矩阵 Confusion Matrix 一共四种情况。红色是预测对的，紫色是预测错误的。 3.ROC曲线 阈值太大或者太小都不好，比如常见的阈值就是0.5，大于0.5的认为是正样本，小于0.5的认为是负样本。如果增大这个阈值，预测错误（针对正样本而言，即指预测是正样本但是预测错误，下同）的概率...
2019-01-02 16:47:45
173
原创 数据挖掘初学Day01学习资源汇总
网站视频链接https://www.bilibili.com/video/av23933161/?p=5 推荐书籍 推荐订阅的杂志期刊 多关注“大牛”动态，防止闭门造车 推荐的学习工具
2019-01-02 15:42:29
146
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