- 博客(4)
- 资源 (1)
- 收藏
- 关注
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