机器学习
文章平均质量分 96
Teroin
这个作者很懒,什么都没留下…
展开
-
机器学习-New Optimization
学习资料。原创 2023-08-01 01:36:17 · 686 阅读 · 0 评论 -
机器学习--课后作业--hw1
题目要求:利用每天的前9个小时的18个特征(包括PM2.5),来预测第10个小时的PM2.5的值。特征包括: AMB_TEMP, CH4, CO, NHMC, NO, NO2, NOx, O3, PM10, PM2.5, RAINFALL, RH, SO2, THC, WD_HR, WIND_DIREC, WIND_SPEED, WS_HR,总计18种。每一种都可以作为一个变量加入你的模型里面。数据下载Github链接下载结束以后把文件放入对应的文件夹里面就好了。原创 2023-07-31 01:21:19 · 429 阅读 · 0 评论 -
机器学习-Gradient Descent
按照正常的理解,梯度越大,说明可能离最低点越远,那么我们变化的步伐也应该越大,梯度越小,说明可能离最低点越远,那么我们变化的步伐也应该越小,但是在Adagrad算法里面,当梯度越大的时候,步伐应该越大,但下面分母又导致当梯度越大的时候,步伐会越小,前后有点矛盾了。存在多个变量的时候,很可能出现的一种情况就是,他们的取值范围不一样,一个可以很大,一个可以很小,那么我们在对他们的对应参数进行相同变化的时候,而y的变化的情况却大不相同。多项式的阶次越高,多项式中的项越多,逼近函数的实际值越近。原创 2023-07-30 17:06:46 · 609 阅读 · 0 评论 -
机器学习-Basic Concept
当模型具有较高的方差时,它对于训练数据中的噪声和随机性非常敏感,从而导致在不同的训练集上表现差异较大。当模型具有较高的偏差时,它倾向于对问题进行过于简单的建模,从而忽略数据中的一些复杂特征或模式。噪声指的是数据中的随机性和不可预测性,它来源于许多现实世界的因素,比如测量误差、数据收集的不完美等。在模型优化过程中,通常通过调整模型的复杂度(例如,增加或减少特征、调整模型的深度和宽度等)来平衡偏差和方差。它帮助我们检验模型在未见过的数据上的表现,并提供比单一训练集和测试集划分更可靠的性能评估。原创 2023-07-29 00:57:57 · 422 阅读 · 0 评论 -
机器学习-Regression
学习资料。原创 2023-07-28 19:08:13 · 450 阅读 · 0 评论