机器学习
传统机器学习之路
Ugo宇
这个作者很懒,什么都没留下…
展开
-
逻辑回归(详细推导)
目录用线性回归做分类sigmoid模型假设求解-梯度提升法优点与其他模型的比较与线性回归一个角度区别与联系与最大熵模型与SVM1、LR和SVM有什么相同点2、LR和SVM有什么不同点与朴素贝叶斯两者的不同点两者的相同点模型细节适合离散特征为什么使用sigmoid函数?指数族分布广义线性模型定义为何使用最大似然估计而不用均方误差? 用线性回归做分类 线性回归的输出是一个数值,而不是一个标签,显然不能直接解决二分类问题。那我如何改进我们的回归模型来预测标签呢? 一个最直观的办法就是设定一个阈值,比如0,如果我原创 2020-08-09 15:13:06 · 958 阅读 · 0 评论 -
线性回归(详细推导)
目录模型假设损失函数求解梯度下降法批量梯度下降随机梯度下降小批量梯度下降正规方程法概率解释 模型假设 假设数据(m个特征为d维的样本)符合线性关系: hθ(x)=θ0+θ1∗x1+...+θd∗xdhθ(x)=∑j=0d+1θj∗xj=xTθ h_\theta(x)=\theta_0+\theta_1*x_1+...+\theta_d*x_d\\ h_\theta(x)=\sum_{j=0}^{d+1}\theta_j*x_j=x^T\theta hθ(x)=θ0+θ1∗x1+...+θd∗xd原创 2020-08-09 14:34:14 · 295 阅读 · 0 评论