一个学生の乱记

【代码】机器学习中逻辑回归的Python实现——解决分类中的线性可分以及线性不可分问题。

线性可分就是说可以用一个线性函数把两类样本分开，比如二维空间中的直线、三维空间中的平面以及高维空间中的线性函数。所谓可分指可以没有误差地分开。

预测函数：fθ(x)=θ0+θ1x+θ2x2f_\theta(x)=\theta_0+\theta_1x+\theta_2x^2fθ​(x)=θ0​+θ1​x+θ2​x2目标函数（要使它最小）：E(θ)=∑i=1n(y(i)−fθ(x(i)))2E(\theta)=\sum_{i=1}^{n}{(y^{(i)}-f_\theta(x^{(i)}))^2}E(θ)=i=1∑n​(y(i)−fθ​(x(i)))2预测函数：fθ(x)=θ0+θ1x+θ2x2f_\theta(x)=\theta_

定义：定量地表示机器学习模型的精度过程：把获取的全部训练数据分成两份：一份用于测试，一份用于训练。然后用前者来评估模型。大多数情况会采用3:7或者2:8这种训练数据更多的比例。

机器学习的数学理论基础，是入门机器学习的第一步，也是重要的知识点。本文讲解机器学习经典的分类算法——感知机、逻辑回归的数学理论基础。

机器学习的数学理论基础，是入门机器学习的第一步，也是重要的知识点。本文讲解机器学习经典的回归算法的数学理论基础。