![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
L.Kong
你一定能够成为你想要去成为的人
展开
-
线性回归的梯度下降
α太小,会缓慢到达最低点 α太大,会take a huge step,偏离最优解 将梯度下降算法运用到线性回归函数中: 通过推导: 最终结果有:原创 2021-02-04 23:03:26 · 76 阅读 · 0 评论 -
代价函数和梯度下降
m为 训练集的样品容量 x为输入变量(它代表输入特征) y输出变量(目标变量) (x(i),y(i))(i在x和y的右上角)表示:第i 训练集样品 := 为赋值。 α:为学习率,用来控制梯度下降时,我们迈出多大的步子,α越大,梯度下降就越迅速 后面为导数项(不会的温习微积分) ...原创 2021-02-03 22:51:56 · 99 阅读 · 0 评论 -
无监督学习(Unsupervised Learning)
1/在无监督学习中,对比监督学习中(数据集有标签,每一个样本中我们已经被清楚地告知了所谓的正确答案),不同的是对于给定的数据集合,能否判断其结构。 2/聚类算法 3/[W,s,v]=svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x’); (svd即奇异值分解的缩写)该函数内置在Octave中 4.利用Octave实现算法,建立模型,才将其迁移到C++,java或其他编译环境 ...原创 2021-02-01 22:56:02 · 142 阅读 · 0 评论 -
回归问题与分类问题
**回归问题:**连续型变量,输出定量,如:你有很多货物库存,你想卖掉它们,预测在三个月内能买多少。 **分类问题:**离散型变量(0和1),如:判断明天出太阳(设为1),不出太阳(设为0) ...原创 2021-02-01 22:32:52 · 212 阅读 · 0 评论