机器学习
文章平均质量分 64
xkbb3144
这个作者很懒,什么都没留下…
展开
-
【学习笔记1】线性回归
这一系列是Coursera课程Machine Learning(吴恩达)的学习笔记。学习旨在了解机器学习的基本原理,掌握基本方法,并争取能结合实际进行一些应用。 线性回归(Linear Regression)属于监督学习(Supervised Learning),是指使用一次多项式对样本数据进行回归拟合的方法。 学习的重点在于使用梯度下降法(Gradient Decent)来最小化代价函数(c原创 2015-08-25 11:17:33 · 414 阅读 · 0 评论 -
【学习笔记2】Logistic Regression
Logistic RegressionLogistic Regression即逻辑回归,又称作Logistic回归分析,是要预测的变量为有限个离散量(比如2个值)的回归分析问题,可以理解为对样本进行分类的学习方法。 与Linear Regression相似,我们也通过定义Cost Function,依据Gradient Decent的方法来进行Logistic Regression。如果套用Lin原创 2015-08-27 11:46:59 · 309 阅读 · 0 评论 -
【学习笔记3】Neural Network --BP方法
机器学习算法可以看做是对于Logistic Regression的一种升级版,其主要的思想是构建分层的神经网络结构,层与层之间以非线性映射的方法进行连接,通过这种多层的非线性关系来拟合复杂的Decision Boundary。 一个神经网络至少包含输入层和输出层,可以有一个或多个隐藏层。隐藏层就是处于输入层和输出层之间、对外不可见的层。一般来讲,隐藏层越多,学习的效果越好,但是相应的学习计算代价原创 2015-09-01 15:32:25 · 467 阅读 · 0 评论