gecko

线性模型 在机器学习的术语中，当预测值为连续值时，称为“回归问题”，离散值时为“分类问题”。 最小二乘法: 3.1线性回归 对于连续值的属性，一般都可以被学习器所用，有时会根据具体的情形作相应的预处理， 例如：归一化等； 对于离散值的属性， 若属性值之间存在“序关系”，则可以将其转化为连续值，例如：身高属性分为“高”“中等”“矮”，可转化为数值：{1， 0.5， 0}。 若属性值之间不存在...

一、常见名词 维灾难 泛化能力：机器学习出来的模型适用于新样本的能力，泛化能力，从特殊到一般 离散型：分类 连续性：回归 监督学习：有标记信息的学习任务-分类和回归 无监督学习：没有标记信息的学习任务-聚类和关联 训练误差：经验误差 测试误差 泛化误差：学习器在新的样本上的误差 过拟合：学习能力太强，训练误差比较小，测试误差比较大 欠拟合：学习能力太差，训练误差和测试误差都比较大 二、评估方法...

1特征归一化 主要分为两种数据类型:结构化数据(文本数据),非结构化数据(音视频数据即二进制数据) 1.1为什么需要对数值类型的特征做归一化？ 为了将所有的特征都统一到一个大致相同的数值区间内。 在学习速率相同的情况下，x 1 的更新速度会大于x 2 ，需要较多的迭代才能找到最优解。如果将x 1 和x 2 归一化到相同的数值区间后，优化目标的等值图会变成图1.1（b）中的圆形，x 1 和x...