机器学习
草帽boy7
/ynmianyan/10927062
展开
-
机器学习(四) - 梯度下降法
批量梯度下降法随机梯度下降法梯度的调试当2个蓝点取任意 都无限趋近于 红点时求极限 用2点之间的斜率 当做红点的斜率 。y1−y2x1−x2\frac{y_1 - y_2}{x_1 -x_2}x1−x2y1−y2 斜率公式x1=θ+ϵx_1 =\theta + \epsilonx1=θ+ϵx2=θ−ϵx_2 =\theta - \epsilonx2=θ−ϵy1=f(θ+...原创 2019-10-22 07:52:07 · 294 阅读 · 0 评论 -
机器学习(三)-多元线性回归(数学推导及代码实现)
前面讨论了 y = ax + b 考虑的只有一个 特征值(因素)的情况下,但在很多情况下 特征值不只有一个 打个比方 要预测房价 要考虑的不只是面积 还要有 地段 建造年代 户型 等等 ,此时就要用到多元线性回归了。(θ0,θ1,θ2,θ3,.....,θn)(\theta_{0},\theta_{1},\theta_{2},\theta_{3},.....,\theta_{n})(θ0,θ...原创 2019-10-15 16:43:49 · 955 阅读 · 0 评论 -
机器学习(二)-一元线性回归算法(代码实现及数学证明)
解决回归问题思想简单,实现容易许多强大的非线性模型的基础结果具有很好的可解释性蕴含机器学习中的很多重要思想回归问题:连续值如果样本 特征 只有一个 称为简单线性回归 y=ax + b通过 训练 数据集 预测出来的值我们希望它和真实值 之间差距尽可能的小y(i)−y^y^{(i)} - \hat{y}y(i)−y^如果想要计算距离 我们自然会想到可以使用绝对值∣y(i)...原创 2019-10-14 12:33:27 · 1161 阅读 · 0 评论 -
机器学习 之数据归一化
目标:将所有数据映射到同一尺度最值归一化:把所有数据映射到0-1之间xscale=x−xminxmax−xminx_{scale}=\frac{x -x_{min}}{x_{max} -x_{min}}xscale=xmax−xminx−xmin适用于分布有明显的边界 ;受outlier影响较大受某些 outlier数据影响可能使分布不合理 for m in range(...原创 2019-10-13 22:59:44 · 476 阅读 · 0 评论 -
sklearn 之网格搜索
通过网格搜索得到 使模型效果最好的一组参数。kNN网格搜索param_grid =[ #knn通过距离权重计算 {'weights':['uniform'], #k的取值 取1到11 'n_neighbors':[i for i in range(1,11)] },{ #通过样本点个数 'weights':['distance...原创 2019-10-13 22:07:41 · 405 阅读 · 0 评论 -
K进邻算法(KNN) python代码实现
思想极度简单应用数学知识少(近乎为零)效果好K近邻算法import numpy as npfrom math import sqrtfrom collections import Counterfrom ml_utils.metrics import accuray_scoreclass kNN_classify: def __init__(self,k): ...原创 2019-10-13 20:29:16 · 470 阅读 · 0 评论