机器学习 学习笔记

关于分类算法 ：

在分类算法中分为多类分类算法和两类分类算法，我们一般研究的两类分类算法，我们需要预测一个东西的概率，根据概率的性质，我们需要保证这个值在 0－1 之间所以我们要构造一个函数使得它的取值范围在 0 － 1 之间，然后就可以当概率使用，在其值大于 0.5 的时候可以预测为1 然后剩下的可以预测为 0，这样就可以了。当然我们还需要一个预测函数 h(x) 去对这个进行一个预测 （个人感觉这个就是一个预测边界的东西 （学名叫决策边界的一个函数））就是描绘出一个 0、1的边界。 然后 g (z) = 1 / (1 + e ^ -z) 放入这个函数进行预测 相当于 若 h (x) >= 0 推出 1 否则推出 0 就是这个道理。 注意 g(z) 这个函数的单调性和取值范围，单调递增，并且在 0 出为 函数值为 0.5 这样的话就可以当作预测函数 注意 （x,x^2 属于不同的特征）所以我们的目的仍然是用数据集去逼近每一个 theta 的值，显然这中确定 theta 的方法与回归算法有着很大的不同。
至于怎么求 ，且听下回分解。