![](https://img-blog.csdnimg.cn/20210114123001114.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 93
监督学习、无监督学习、半监督学习、强化学习
代码大玩家
这个作者很懒,什么都没留下…
展开
-
ML1-回归模型
回归模型目录1. Linear Regression2. Lasso Regression3. Ridge Regression4. ElasticNet Regression5. Polynomial Regression1. Linear Regression核心思想:线性回归,通过属性的线性组合来拟合一条直线、平面或者超平面 f(xi)=wxi+bf(x_i)=wx_i+bf(xi)=wxi+b,使得真实值与预测值之间的均方误差最小。损失函数:平方损失L(y,f(xi))=(y−f(xi)原创 2021-11-30 12:12:11 · 891 阅读 · 0 评论 -
ML0-数学基础
文章目录1. 无约束优化方法2.带约束优化方法1. 无约束优化方法# 1.1. 最小二乘法# 1.2. 梯度下降法# 1.3. 牛顿法2.带约束优化方法# 2.1. 拉格朗日乘子法原创 2021-11-30 12:04:33 · 750 阅读 · 0 评论 -
ML2-逻辑回归
文章目录1. 线性回归2. 对数几率回归3. 线性判别分析4. 最大熵模型1. 线性回归一元线性回归:假设有mmm个样本,每个样本有一维属性。基本形式:f(xi)=wxi+bf(x_i)=wx_i+bf(xi)=wxi+b损失函数:平方损失目标函数:E(w∗,b∗)=arg min(w,b)∑i=1m(yi−f(xi))2E_{(w^*,b^*)}=\underset{(w,b)}{arg \ min} \overset{m}{\underset{i=1}{\sum}}(y_i原创 2021-11-09 17:08:02 · 378 阅读 · 0 评论 -
ML0-算法基础
1. 模型-策略-算法模型:在假设空间中,模型一般有无穷多个;List item生成式模型:通过数据学习联合概率分布P(X,Y),然后根据贝叶斯公式求出条件概率分布P(Y|X) = P(X,Y) / P(X)作为预测模型。- 强调:输入X和输出Y之间的关系;- 模型:朴素贝叶斯模型、隐马尔可夫模型和高斯混合模型等。- 判别式模型:通过数据直接学习决策函数Y=f(x)或者条件概率分布P(Y|X)作为预测模型。- 强调:给定输入X,应该得到什么样的输出Y。- 模型:K近邻算法、感知原创 2021-11-04 17:43:53 · 905 阅读 · 0 评论