- 博客(4)
- 收藏
- 关注
RSS订阅原创 线性感知器（对Andrew讲义的理解）
这么一看，你可能会觉得奇怪，g(Z)显然不可导，怎么使用梯度下降呢？其实它和梯度下降只是形式上一样。现在我们来继续看一下这个update rule. 如果y=1而g(theta*X)=0，若xj>0,那么theta(j)将会增大，是整个函数的值增大，从而使得这个被分错的数据向被分对的趋势靠拢。若xj
2014-09-11 16:19:39
343
原创 线性回归模型
线性回归基本形式： 其中a的上标表示样本编号，下标表示特征编号。 基本假设： (1)样本是非随机产生的。即样本本身是存在一定规律的。 （2）等方差及不相关的假定： 线性模型拟合后的值与真实值之间的差异叫做残差，假设残差的期望为零，且各个样本的残差不相关。 在这个假设下，回归系数的最小二乘估计是回归系数
2014-09-11 14:38:32
451
原创 规则覆盖算法
为每一个class制定一个规则，这个规则的形式是 if attributeA=a(i) and attributeB=b(i) and.... ， then class=class(j) 算法： 对于每一个class(j): 初始化实例集合 while(!(剩下的实例中只包含class(j)的实例 || if 规则中已经包含了所有特征|| 实例集合不
2014-09-09 10:49:15
482
原创 朴素贝叶斯要点
一. 贝叶斯模型的假设 (1) 特征之间是独立的 二. 不同数据类型的特征值处理 2.1 离散型 （1）使用计数(count)的方式分别计算在各类别下该特征值出现的概率，即 p(A=ai | C=cj) （2）这里有一个问题是，如果某一个特征值在训练样本中没有出现，而在测试样本中出现了，会出现0*x=0的情况，
2014-09-09 10:45:19
607
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人