机器学习1

来源:互联网 发布:宣传片配音软件 编辑:程序博客网 时间:2024/05/16 18:59

第一节

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

所谓LSM算法就是那个权重的更新法则,是和误差相关的

这里写图片描述
这里写图片描述
这里写图片描述

这里面所说的再讨论就是另一种最小化代价函数J的方法,不过这次不是迭代更新然后求最小化了,而是直接求出θ的解了

这里写图片描述
这里写图片描述
这里写图片描述

所谓局部加权的意思就是,对于一个输入,侧重考虑输入点附近的样本(可以看到那个权重的选取类似于一个高斯函数,离x越近,值越大,考虑的权重也越大),频带宽大小决定了你的“附近”到底是多宽(相当于高斯函数的胖瘦)。非参数的意思就是,对于每个输入,w(i)都要算一次,样本有多少,就算多少,相当于无穷多参数,所以这个模型不是定几个参数就能解决问题的,所以叫非参数模型

0 0