- 博客(4)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习入门笔记(八)----支持向量机SVM
支持向量机SVM在复杂的非线性方程方面，比逻辑回归和神经网络表现的更为清晰、强大。1. 通过逻辑回归了解SVM大致形式设z = thetaT * x假设函数：h(x) = 1 / (1 + e^(-z))分类为1 if h > 0.5 即 z >0分类为0 if h 代价函数：两图分别为y=1和y=0时的曲线，粉色手绘图为曲线的近似折线表示。为别取名co
2017-09-25 10:14:03
965
原创 机器学习入门笔记(七)----机器学习实用方法
当我们实现一个机器学习模型后，发现效果并不是很理想，改进的方法有非常多，那么如果诊断当前模型，选择一条合适的道路去优化就成了一项必不可少的技能，否则‘拍脑门’的胡乱尝试，将会是一件非常浪费时间的事情，且最终也不一定能得到很好的效果。1. 评估一个假设模型：我们通过算法得到一个假设模型后，该模型可能是欠拟合或过拟合的。即在训练数据上表现的比较好，但是在额外的位置数据中，其实并不能很好的进行预
2017-09-19 09:44:37
536
原创 机器学习入门笔记(六)----神经网络
1.模型表示：模型分层：输入层、输出层、隐藏层。a(i) i表示第几层。thera(i) : 为第i层到第i+1层间的权重参数。2. 向前传播：g(theta(i) * a(i))得到a(i+1)。最后一层即是h(x)3. 解决分类问题：类别 c = 2时，输出层仅一个节点，与逻辑回归相同，表示某一个分类的概率。类别 c > 2时，输出层c个节点，每个节点的
2017-09-14 18:58:35
415
原创 机器学习入门笔记(五)----过拟合问题
上右边的图像，展示过拟合的情况。过拟合问题，解决方法：1.减少特征数量2.正规化：保留所有特征，弱化特征参数。正规化(regularization):代价函数: 1.线性回归： （1）梯度下降对theta0不惩罚，其余theta引入正规化参数lamada。（2） 方程法：2.逻辑回归与线性回归相同，加入theta惩罚项。
2017-09-07 18:33:48
434
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人