机器学习笔记week1
来源:互联网 发布:我想学做淘宝 编辑:程序博客网 时间:2024/05/21 09:41
监督学习:需要数据集已有正确答案
回归问题:预测连续值 如:预测房价
分类问题:预测离散值 如:预测是否是恶性肿瘤
监督学习工作方式
training set ->learning algorithm->hypothesis
----------------------------------------------------------------------------------------------------
m:训练样本数目(样本容量)
x:输入变量
y:输出变量(目标变量)
(x,y):一个训练样本
第i个训练样本
单变量线性回归
代价函数
平方差代价函数
梯度下降最小化代价函数:初始化θ0和θ1之后不断更新二者的值使得代价函数J最小
α:学习速率,即以多大幅度更新参数,太小导致梯度下降速度太慢,太大可能会越过最低点甚至不会收敛会发散。
事实证明线性回归的代价函数总是一个弓形的函数,叫做凸函数。凸函数意味着一个碗状的函数,所以这个函数除了一个全局最优之外没有任何局部的最优。当你使用线性回归时它总是收敛于全局最优的。
无监督学习:数据集没有正确答案
聚类问题:
鸡尾酒会算法(非聚类):
octave
阅读全文
0 0
- 机器学习笔记week1
- Coursera机器学习 Week1 笔记
- Machine Learning机器学习笔记-week1
- 机器学习笔记week1(Andrew NG)
- Coursera机器学习笔记(week1)
- 机器学习week1-week2
- week1 机器学习介绍
- 机器学习week1-Introduction
- Coursera上的Andrew Ng《机器学习》学习笔记Week1
- 吴恩达深度学习笔记(三)week1机器学习策略
- 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
- datascience之机器学习week1
- Andrew Ng机器学习课程笔记–week1(机器学习简介&线性回归模型)
- coursera机器学习 week1&week2&week3 总结
- Machine Learning Foundations(机器学习基石) By Hsuan-Tien Lin (林轩田) week1 笔记
- 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
- JavaScript中让方法延迟指定时间后再执行,以一定时间为间隔循环执行
- 【java设计模式】之 单例(Singleton)模式
- 【Linux】端口的分类、URG和PSH
- linux安装过程中的一些问题
- html标签
- 机器学习笔记week1
- 1171: 加密(指针专题)
- 自定义数据类型
- centos6三行脚本永久修改时区时间
- shell脚本编写一些基础但容易忘记的小技巧(持续更新)
- Deploy Jenkins in Ubuntu 16.04
- caffe 根据训练输出的log 绘制accuracy loss 曲线时遇到 IndexError:list index out of range
- 【java设计模式】之 工厂(Factory)模式
- 取得不同类型的客户地址