![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
小菜鸡学人工智能
文章平均质量分 64
Zeker62
啥也不知道
展开
-
数学建模:R语言的正态性检验
基于R语言的正态性检验 首先明确假设检验的步骤: 根据实际问题的要求,提出原假设H0和备择假设H1 选择适当的检验统计量,给出拒绝域形式 给定显著水平α,确定拒绝域W1形式 根据样本观察值计算统计量的值 根据统计量的值是否落入拒绝域W1中,做出拒绝或者接受H0的判断 #正态性检验 set.seed(686) #随机数种子 x<-rnorm(300,mean=4,sd=8) #产生100个随机数,期望是1,方差是4,服从正态分布 shapiro.test(x) #打印输出正态分布的检验结果, #统原创 2021-03-02 22:23:02 · 1558 阅读 · 0 评论 -
机器学习:西瓜书笔记——绪论
引言 机器学习所研究的主要内容:是关于在计算机上从数据中产生“模型”的算法,即学习算法。 有了学习算法,我们把经验数据提供给它,它就能基于这些数据产生模型,在面对新的情况的时候,模型回归给我们提供相应的判断。 计算机科学是研究关于“算法”的学问,那么机器学习是研究“学习算法”的学问。 基本术语: 术语 概念 数据集data set 记录的集合,或者叫数据的集合 示例instance、样本sample 每条记录是关于一个事件或者对象 属性attribute、特征feature 反映事件原创 2021-03-28 14:02:57 · 100 阅读 · 0 评论 -
李宏毅机器学习——回归 读书笔记
写在前面:共同学习 大二小白,刚刚接触机器学习。如果有任何问题,希望各位批评指正。 互相关注,共同进步呀。 课堂内容 Gradient Descent 梯度下降 Review Gradient Descent 复习上一节课的梯度下降的内容 learning rates 学习率 Adaptive Learning rates 自适应学习速率 Adagrad 自适应梯度算法 Stochastic Gradient Descent 随机梯度下降算法 Feature Scaling 特征缩放原创 2021-03-19 14:19:01 · 98 阅读 · 0 评论 -
吴恩达机器学习之正则化的课堂学习笔记
过拟合问题The Problem Of Over Fitting 过拟合问题,顾名思义,就是拟合得过度了。但是不禁要有人问,拟合得不是越贴切越好吗,怎么还能拟合过度了呢?一开始看到这个标题我就有这样的疑问。 仍然是房地产的例子。有五个关于房地产的数据 在第一幅图中,又一条直线粗略得去拟合这些数据,显而易见,这些数据都不在这条直线上,代价函数可见相当的大,如果使用这个模型得出的结论肯定也不够准确,这叫做欠拟合。 在第二幅图中,他用曲线去拟合了这些数据,看起来十分的贴切,似乎这就是最佳的方案了,但是受于函数本原创 2021-03-13 23:52:03 · 81 阅读 · 0 评论 -
吴恩达机器学习之逻辑回归的课堂复习笔记
总结吴恩达机器学习第三周的内容 写在前面: 机器学习小白小菜鸡,如果文章有什么错误还希望读者积极批评! 或者教我一些知识那是最好啦 分类问题Classification 在日常生活中的实际问题中,往往只有“是”和“否”两个选项。例如,处理邮件时,我们只要判断它是否是垃圾邮件,并没有既不是垃圾邮件也不是useful的邮件。再比如逻辑电路中,我们只有开和关两种状态,所以我们用0或者1来表示电路的开关。同样,引申出来,我们用1和0来表示实际问题的“是”和“否”。(当然对于多种情况在之后会讲到用0、1、2、3…原创 2021-03-12 17:33:58 · 188 阅读 · 0 评论