机器学习——回归+分类

本文深入探讨了机器学习的监督学习,包括回归和分类。在回归部分,讲解了线性回归模型、梯度下降、学习率、多维特征处理、正规方程法和特征缩放等概念。在分类部分,介绍了逻辑回归、过拟合及其解决方案,特别是正则化的应用。此外,还提及了无监督学习的聚类、异常检测和降维,以及强化学习的简要介绍。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.Supervised learning监督学习   

Learn from data labeled with the"right answers"

used most in many real-world applications

the most rapid advancement and innovation进步最快和创新最多的算法
               x-->y
               x--->?

(1)Regression回归

从无限多种可能性中预测出数字的监督学习算法

        预测房价

<1>线性回归模型

通过数据拟合出一直线
【Cost function损失函数(代价函数)】 Squared error cost function

训练使J最小

<2>gradient descent 梯度下降

Learning rate 学习率,通常是一个小的正数

<3>learning rate 学习率

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值