- 博客(8)
- 收藏
- 关注
RSS订阅原创 机器学习 逻辑回归
用以往的线性回归的办法来拟合数据并不能得到一个很好的结果。假如有大小为如图横轴上一点的肿瘤进行预测，通过图像判断出在竖轴上输出为。逻辑回归是一种常用于分类问题的学习方法，它的核心作用是对分类问题进行预测。下图是一个数据集的图表，用以预测肿瘤是良性还是恶性。逻辑函数的核心是Sigmoid函数，也称作Logistic函数。该函数的输入可以为任意实数，输出始终落在。假设有一个函数图像为直线的函数，例如线性回归函数，将其定义为。，那么就意味着该模型预测这个患者的肿瘤为恶性肿瘤的概率为。%的概率该肿瘤为良性肿瘤。
2025-08-15 15:18:15
284
原创 特征缩放 检查梯度下降收敛
学习曲线作用是通过可视化模型在训练集和验证集的性能随训练样本量增加或者训练迭代次数增加的变化趋势，帮助理解模型的学习过程。当特征之间取值范围相差很大时，可能会导致梯度下降运行缓慢，但是通过对不同特征进行重新缩放，使它们都取值在可以比较的范围内，可以显著加快梯度下降的速度。从以上两个例子可以得出一个结论：特征数值取值范围越大的，一个好的模型更有1可能取数值较小的参数；特征数值取值范围越小，则更可能取数值较大的参数。如何使用特征缩放，将取值范围非常不同的特征缩放到具有可比范围的值？缩放后得到的取值范围是。
2025-08-08 23:01:04
742
原创 机器学习 梯度下降
假设有一个代价函数，为了实现模型的预测结果能够尽可能地接近真实情况就要使其值变得最小，我们可以使用梯度下降来进行对模型参数的调整从而找到使函数最小的参数。梯度下降是一种可以用来尝试最小化任何函数的算法，不仅仅是一个线性回归的代价函数。它更适用于更一般的函数，包括与其他具有两个以上参数的模型一起工作的其他代价函数。假如有一个代价函数，我们的目标是通过由到和这些参数来使最小化。梯度下降就是可以用来尝试这些参数的算法。使用梯度下降算法时，我们需要每次都稍微改变参数和用来尝试逐步减少。
2025-07-30 21:02:24
767
原创 机器学习 代价函数
为了实现线性回归，第一个关键步骤就是首先定义一个叫代价函数的东西。代价函数会告诉我们模型的表现如何，以便于我们可以让模型表现得更好。1416以上是一个包含的数据集，假如我们使用的模型是，其中和被称为模型的参数。在机器学习的训练过程中，模型的参数是可以调整的。和也被称作系数或权重。回到本文章中的第一句话，为了实现线性回归，我们要为参数和选择合适的值从而使函数的图像能够很好地拟合数据，例如下图。图中的一个X对应的是预测值，当情况下在直线上是对应的点是预测值。
2025-07-28 18:08:59
396
原创 机器学习 性能度量
该文章内容旨在通过机器学习课程进行读书笔记以提高对课程内容的理解。以下部分图片及文字内容来源于：《机器学习》（周志华，清华大学出版社）《机器学习初步（2025春）》、《机器学习进步（2025春）》——学堂在线APP。
2025-05-10 21:49:05
1589
原创 机器学习 评估方法
该文章内容旨在通过机器学习课程进行读书笔记以提高对课程内容的理解。以下部分图片及文字内容来源于：《机器学习》（周志华，清华大学出版社）
2025-05-01 18:59:40
819
原创 线性回归模型，经验误差与过拟合
该文章内容旨在通过机器学习课程进行读书笔记以提高对课程内容的理解。《机器学习》（周志华，清华大学出版社）本周学习了［吴恩达机器学习］视频当中关于“线性回归模型”的章节以及《机器学习》（周志华，清华大学出版社）第二章的“经验误差与过拟合”和“评估方法”。
2025-04-23 13:03:04
1310
原创 机器学习的定义及主要类型
以下是人工智能领域先驱Arthur Samuel对机器学习的定义：（让计算机在没有完整编程的情况下有能力学习的研究领域。Arthur Samuel在研究学习的过程中，给一台电脑编了一个能自娱自乐的西洋跳棋程序，这个程序在不断地进行下棋游戏的过程中，也在逐步学习什么样的位置对自己取得胜利有利，什么位置会让自己输。久而久之，这个程序越来越擅长下跳棋。视频中，吴恩达老师提出了一个问题：（如果跳棋程序只被允许下十盘棋（而不是数万盘），下棋数量如此之少，这会对他的表现产生什么样的影响？○变现得更好。
2025-04-16 13:55:47
1739
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人