机器学习自学笔记
文章平均质量分 56
吾儿滨滨
前端工程师
展开
-
2.2 代价函数
2.2 代价函数 为了找到最能拟合下面数据的直线: 其中 m = 47,代表了样本的数量。θ0θ_0θ0 和 θ1θ_1θ1 表示直线(模型)的参数(parameters)。 这个参数决定了直线相对训练集的准确程度,它们之间的差距(下图蓝线)也就是建模误差(modeling error)。 当建模误差的平方和最小时,也就是直线与训练集数据最拟合的时候,此时直线对应的参数就是最佳的。 代价函...原创 2018-12-02 09:36:03 · 239 阅读 · 0 评论 -
机器学习笔记-为什么学机器学习?
作为一个还没找到编程工作的的伪程序员,我都不好意思自封非科班程序员。 今年是 2018 年 11 月,基本上,这一年就算过去了。 我是今年毕业,不过 7 月份头脑发热原创 2018-12-01 01:22:46 · 173 阅读 · 0 评论 -
1.1-什么是机器学习?
通常来说,机器学习可以分成两类:①监督学习 ②非监督学习 什么是机器学习原创 2018-12-01 01:26:42 · 322 阅读 · 0 评论 -
1.2-什么是监督学习
这篇文章将会介绍一下什么是监督学习(Supervised Learning)? 在正式给监督学习下定义之前,我先用一个例子来理解一下。 假设我们闲着没事,想要卖掉房子原创 2018-12-01 01:28:58 · 351 阅读 · 0 评论 -
1.3-什么是无监督学习?
无监督学习感觉就像让机器自学一样 上一篇讲了监督学习,现在我们将介绍第二种主要的机器学习,叫做无监督学习(Unsupervised Learning)。 先来回顾一下监督学习中的每一个样本,我们清楚知道每个样本的正确的答案,比如肿瘤是良性还是恶性。 但无监督学习中,我们只有一个数据集,我们不知道每个数据表示什么意思?数据和数据之间是什么关系? 我们举一个谷歌新闻的栗子。 谷歌新闻原创 2018-12-01 01:29:45 · 168 阅读 · 0 评论 -
2.1 模型表示(Model Representation)
二、模型和代价函数(Model and Cost Function) 2.1 模型表示(Model Representation) 在监督学习的文章中,我们举了一个预测房价的栗子原创 2018-12-01 23:13:00 · 846 阅读 · 0 评论