ML1自学笔记

机器学习笔记

机器学习是最基础的,其中的核心部分是深度学习

机器学习的流程

1. 训练样本

2. 特征提取 特征工程是最重要的

3. 学习函数

4. 预测

算法

线性回归算法

  1. 线性回归是一个有监督算法
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IIcb0aqW-1655535016957)(attachment:image.png)]

每个样本都有一个预值和真实值,他们之间存在误差,希望误差项越小越好
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jL9wwLT2-1655535016958)(attachment:image-2.png)]

样本之间是独立的,互不影响;
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FIXnTtL4-1655535016959)(attachment:image-3.png)]

因为要求的是cita,所以将误差转化为带cita的,将(1)求出误差表示式子后带入(2)
需要找一个cita,使得cita和x的组合成为真实值y的可能性越大越好,
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jfiFhQJo-1655535016959)(attachment:image-4.png)]

累乘符号是因为样本之间独立同分布;为什么可以取对数:因为最后不是要求出来式子的值,只是要求一个cita值使得y最大。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oCSc17EP-1655535016960)(attachment:image-5.png)]

化简式子,将log乘法,变成加法,log e~x 变成x,需要整体式子越大越好,前面部分是常数,减去后面,需要后面越小越好,就是求Jcita能够越小越好,求一个cita值(J这个式子又叫最小二乘法)
直接上传(img-7giE10eM-1655535016961)(attachment:image-6.png)]
对目标函数求解,因为要求Jcita什么时候最小,所以对cita进行求偏导
在这里插入图片描述
遗留问题:一定满足求逆的条件吗?最后求得cita的表达式,得知X和Y可以直接求得cita,并没有学习的过程(学习过程应该是机器利用一个样本计算和Y作比较发现结果较差应该做出调整,将调整应用到下一个样本)


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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