机器学习week1-3笔记:线性回归、逻辑回归
来源:互联网 发布:埃尔金贝勒数据 编辑:程序博客网 时间:2024/05/16 19:39
大三的时候在学校上过机器学习的课,但是当时听得云里雾里。
这学期比较闲,终于重新开始了好久之前在Coursera报名的机器学习课程,由吴恩达老师讲授。这个课真的讲得超基础,老师会带着推倒公式,绘图,编程等等,演示的非常具体。
做这个笔记也是为了监督自己学习下去吧!
- 在这里提供一个小Tip:
在学校网络上,发现Coursera视频不能播放,本机系统为MacOS,在hosts文件中添加如下一行即可:
52.84.246.72 d3c33hcgiwev3.cloudfront.net
下面整理了1-3周的学习笔记。
- “A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.”
E:经验 T:任务 P:性能
Machine learning algorithms
- Supervised learning(监督)已知结果的,有标签的
比如:1、已知一些房价,回归预测连续的价格2、有一些已判断是否为癌症的样本,分类,判断一个新的例子良恶性 - Unsupervised learning(无监督)未知结果的,没有标签的
比如:1、有一些新闻,根据其内容,将内容类似的新闻整理到一起发给用户2、判断社交类型3、从混杂着许多种类的声音中筛出来每种声音(老师用svd做的)。
线性回归 Linear Regression
- m = Number of training examples 训练样例数量
- x’s = “input” variable / features 输入的特征、参数
y’s = “output” variable / “target” variable 输出、目标值
h hypothesis
hypothesis即假设,这里是假设的算法。将数据输入进算法,就能输出一个预测值线性回归的假设函数,这里举了三个例子,绿色的是其图像。
Cost Function,即为下图中的J(
θ0,θ1 ),目标就是找到最小的Cost Function
梯度下降
黑线的部分表示下降的过程
!这里要注意,
如果
获得的是局部最优解
- 多特征的情况
这里,引入了
标准化,消除量纲的误差
梯度下降和标准方程计算
α 的区别
逻辑回归
- S函数(sigmoid),
在z>0时,g(z)>0.5,判断为1
在z<0时,g(z)<0.5,判断为0
函数如下: - 决策边界,
下图中,为线性决策边界。在下图中是那条粗的线,由此线分开两个类别 y = 1 和 y = 0。
非线性决策边界显示为圆形或者椭圆或者其他弯曲形状
- Cost Function
多类别分类
过拟合
习得特征过多,虽然能很好地拟合已有的数据,但是不能准确判断新的数据。
之前看过有人举例,让一个算法学习判断黑天鹅的特征,比如有翅膀,有羽毛等等。如果过拟合的话就是学到了黑色的特征,那么在判断一只白天鹅是否是天鹅时,就会给出错误的结果。
解决过拟合的方法:减少特征的数量或者正规化
Options:
1. Reduce number of features.
― Manually select which features to keep.
― Model selection algorithm(later in course).
2. Regularization.
― Keep all the features,but reduce magnitude/values of parameters .
― Works well when we have a lot of features, each of which contributes a bit to predicting
- 机器学习week1-3笔记:线性回归、逻辑回归
- Andrew NG 机器学习 笔记-week1-单变量线性回归
- Andrew Ng机器学习笔记week1 线性回归
- 《机器学习》学习笔记(一):线性回归、逻辑回归
- 机器学习--线性回归、逻辑回归
- Andrew Ng机器学习课程笔记–week1(机器学习简介&线性回归模型)
- 【机器学习笔记】逻辑回归
- 机器学习笔记:逻辑回归
- 深度学习3线性回归,逻辑回归
- 机器学习笔记-线性回归
- 机器学习笔记:线性回归
- 斯坦福机器学习视频笔记 Week1 线性回归和梯度下降 Linear Regression and Gradient Descent
- 机器学习(一)线性回归、逻辑回归
- 【机器学习】线性回归和逻辑回归的理解
- 机器学习面试准备之一、线性回归与逻辑回归
- 机器学习算法总结--线性回归和逻辑回归
- 机器学习:线性回归和逻辑回归的区别
- 机器学习算法总结--线性回归和逻辑回归
- StateAttribute类
- 【笔记】Android NotificationListenerService监听短信、来电、微信、QQ等通知消息
- 12、madplay的MP3播放器移植
- 积木城堡(Vijos-1059)
- LeetCode:520. Detect Capital
- 机器学习week1-3笔记:线性回归、逻辑回归
- 1066 Bash游戏
- iOS开发UI篇
- 验证码识别之模型训练
- 【R语言爬虫】网贷天眼平台表格数据爬虫1
- js 弹出对话框3种方式 .
- openjudge F:Delta Quadrant(坑)
- 2017国际大学生程序设计大赛全国邀请赛(陕西)小结
- TensorFlow损失函数专题