机器学习笔记1前半段

最新推荐文章于 2024-08-26 12:13:11 发布
最新推荐文章于 2024-08-26 12:13:11 发布
阅读量139 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46376781/article/details/105233697
版权

1：Regression-case study前半段

李老师，为什么讲机器学习你说半天宝可梦！！完全不知道在说什么
在这里插入图片描述1.
1.步骤
step1：Model
在这里插入图片描述
b：贝叶斯
step2：goodness of function
在这里插入图片描述
上标：整体，下标：特性
判断好坏用loss function（有多坏）
在这里插入图片描述
红色代表非常大蓝色最小
w为负不合理
在这里插入图片描述
step3：best function
在这里插入图片描述
2.gradient descent
①随机选一个参数位置
②w=w0 loss函数的微分
负：增加w；正：减少w
③w1=w0+ⴄdl/dw0
（ⴄ：learning rate 学习速度）
④计算w1微分……重复直到微分是0出现（有可能在local minima 不一定到global minima）
在这里插入图片描述
计算
在这里插入图片描述
若2个参数
可以排成gradient
指向是等高线的法向量
在这里插入图片描述
L值不一定是越来越小
在saddle point也会停下来，在 plateau会很慢（linear model不用担心）

在这里插入图片描述

没想好叫什么名字1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
笔记1-机器学习1
weixin_40893939的博客
03-29 4599
1 线性回归 线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。 1 数据+画图 2 一般向量形式 3 最小二乘法损失函数 4 矩阵形式 5 几何解释 6 岭回归，laso回归 2 逻辑回归 一种广义的线性回归问题 求极大似然函数估计值的一般步...
机器学习笔记（1）
Lyndon_zheng的专栏
04-21 1157
1、机器学习的主要任务是通过样本的特征进行分类，一般有两套独立的样本集：训练数据和测试数据。其中特征和属性通常是训练集样本的列，是独立测得结果，而测试数据集在测试阶段只输入特征，通过分类器来进行类别的标记，并与真值比较，得到分类器的精度。 2、机器学习跟模式识别、统计学习、数据挖掘、计算机视觉、语音识别和自然语言处理等领域有深刻的联系。从研究内容来说，机器学习与模式识别、统计学习、数据挖掘有很大
机器学习概述——学习笔记Day1
m0_74206611的博客
04-22 1443
根据样本间的相似性，对样本集聚类，以发现事物内部 结构及相互关系。3 基本原理：通过构建四个要素：agent，环境状态，行动，奖励，2022年，chatGPT的出现，进入到大模型AIGC发展的阶段。分类结果与模型分类结果做对比， 从而对模型做进一步改善和提高。，利用已经标记的数据（也就 是带有类标签）训练出一个模型。图像识别，无人驾驶，智能翻译，医疗智能诊断，数据挖掘。定义：输入数据是由输入特征值和目标值所组成，即。输入数据没有被标记，即样本数据类别未知，计算机视觉深度神经网络方法研究兴起。
李宏毅机器学习笔记：机器学习介绍
qq_43711697的博客
08-01 695
前言 本文记录了关于机器学习的基本介绍，机器学习的一个基本的框架以及机器学习的相关技术，并且本文是基于台湾李宏毅机器学习课程的基础上所做的笔记。 一、机器学习介绍 机器学习是什么 机器学习的本质其实就是在寻找一个Function，这个Function可以满足我们的期望：输入一个特定的值，输出我们所需要的，比如在自然语言方面输入一段语音期望能够识别出语音的内容，在图像识别方面，输入图像期望输出图像内容的类别等等 机器学习的总体过程 机器学习的总体过程可以分为三个部分：第一找到特定的Functi
吴恩达 - 机器学习课程笔记（持续更新）
热门推荐
做一只猫的博客
02-26 2万+
吴恩达机器学习
李宏毅《机器学习》笔记：12.半监督学习
羊老羊
10-22 560
【参考文章】 笔记：https://blog.csdn.net/oldmao_2001/article/details/91285039 生成模式：https://blog.csdn.net/wistonty11/article/details/120365719 EM算法：https://zhuanlan.zhihu.com/p/40991784 文章目录1. 关于半监督学习1.1 定义1.2 分类1.3 半监督学习原因2. 半监督生成式模型（Semi-Supervised Generative Mod
机器学习与数据挖掘学习笔记.zip
04-27
《机器学习与数据挖掘学习笔记》是一份综合性的学习资料，涵盖了这两个领域的重要概念、算法和技术。这份笔记的目的是为了帮助读者深入理解机器学习和数据挖掘的基础知识，并提供实际操作的指导。 首先，我们来探讨...
Python机器学习模型公式推导 笔记
07-18
在机器学习算法的分类中，按照学习方式可划分监督学习、无监督学习、半监督学习和强化学习。按照算法相似性可以分为回归算法、基于实例的算法、正则化方法、决策树学习、贝叶斯方法、基于核的算法、聚类算法、关联...
吴恩达机器学习笔记
qq_55625579的博客
02-15 576
是学习吴恩达机器学习课程时的笔记[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili 目录 一、机器学习概述 1.1 什么是机器学习？ 1.2 机器学习问题的类型 1.2.1监督学习 1.2.2无监督学习 二、基本术语 2.1 模型描述 2.2 代价函数 2.3 梯度下降 2.4 线性回归的梯度下降 三、线性代数基础 3.1 矩阵和向量 3.2 加法和标量乘法 3.3 矩阵向量乘法 3.4 矩阵乘法 3.5 矩阵乘法特征 3.6 逆和转置 一、介绍 ..
机器学习概括（学习笔记）
m0_65392155的博客
12-28 377
（传统）机器学习 传统机器学习主要有分类（Classification）、回归（Regression）、聚类（Clustering）、降维（Dimensionality Reduction）、决策树（Decision Tree）、集成学习（）、强化学习（）等多种分类。 1.分类。属于监督类学习。生成的模型需要根据输入参数打出一个离散型数值(预测类别)。 2.回归。属于监督类学习。生成的模型需要根据输入参数打出一个连续型数值(预测数值)。 3.聚类。属于无监督学习。需要根据样本参数按照一定规则划分聚簇
【机器学习】朴素贝叶斯 决策树 随机森林 线性回归
m0_73658021的博客
08-23 1135
朴素贝叶斯 决策树 随机森林 线性回归一些简单的理解 基于sklean实现
机器学习：opencv图像识别--图片专项
纸上得来终觉浅
08-23 3249
机器学习：opencv图像识别
【机器学习】4. 相似性比较（二值化数据）与相关度(correlation)
weixin_48846514的博客
08-23 731
similarity and correlation
《机器学习》 决策树 ID3算法
qq_64603703的博客
08-22 1720
决策树是机器学习中一种常见的分类和回归算法。它基于树状结构的模型，通过对数据进行逐步划分，最终生成一棵决策树来进行预测或分类任务。在决策树中，每个节点代表一个特征或属性，每个分支代表该特征的不同取值，而每个叶节点代表一个类别或者一个预测结果。决策树的构建过程通过选择最优的特征和划分点来进行。这个选择过程通常基于一些衡量指标，比如信息增益、基尼指数等，来选择最能区分不同类别的特征进行划分。递归地对数据集进行划分，直到满足某个停止条件，例如达到最大深度、样本数量不足等。这样就生成了一棵完整的决策树模型。
《机器学习》决策树 C4.5算法、cart算法
qq_64603703的博客
08-22 1249
C4.5算法是一种决策树生成算法，它使用信息增益比（gain ratio）来选择最优分裂属性，它是ID3算法的改进版本。C4.5算法的核心思想是选择信息增益比最大的特征作为节点进行划分，以获得最好的分类能力。它使用熵来度量数据集的不确定性，通过计算特征的信息增益来评估特征对分类的贡献程度。信息增益比越大，表示该特征对分类的影响越大。即不考虑标签解结果来只考虑自己本身类别的比例例如：A集合：[1,1,1,2,2,3,3,3,3]
深度学习/机器学习软件教学平台
中智讯的博客
08-20 419
机器学习与深度学习教学系统是基于业界应用广泛的在线机器学习和深度学习建模开发框架JupyterLab开发的，面向高校数据分析、机器学习、深度学习，以及人工智能相关专业教学和实训的教学系统。1）“所见即所得”的在线机器学习和深度学习编程体验，用户可以修改实验代码，调整算法参数，观察不同的实验效果；3）支持不同内核的Python环境，用户也可以自行创建自定义的Python环境，并在教学系统中加载；4）如果存在GPU加速卡时，可以加载GPU环境，实现深度学习模型训练加速；
《机器学习》 AUC性能测试、回归树、随机森林
qq_64603703的博客
08-23 1554
AUC（Area Under Curve）是一种常用的性能指标，用于评估分类模型的性能。在机器学习中，AUC通常是用来评估二分类模型（如逻辑回归、支持向量机等）的预测质量。在机器学习中，性能测量是一项基本任务，因此，当涉及到分类问题时，问哦们可以依靠AUC-ROC曲线，当我们需要检查可视化多类分类问题的性能时，我们使用AUC（曲线下的面积）ROC（接收接收器工作特性）曲线，他是检查任何分类模型性能的最重要评估指标之一。用于解决回归问题的决策树模型。
R语言 机器学习 KNN 2个例子
waterHBO的博客
08-26 234
代码的写法，参考来源是这本书: Machine Learning with R, 2nd Edition.pdf相关的资源我已经上传了， 包括代码，数据，以及这行本书。
ant-design-vue-1.1.10-beta.zip
最新发布
08-26
基于 Ant Design 和 Vue 的企业级 UI 组件库
嵩天教授机器学习笔记：分类与sklearn应用
本资源是一份根据嵩天老师的机器学习课程整理的笔记，主要涵盖了机器学习的基本概念和scikit-learn库的应用。笔记详细地介绍了机器学习的主要类别： 1. 监督学习：监督学习是通过已有的标注数据进行模型训练，目的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值