finewind的专栏

应用监督式学习何时考虑监督式学习监督式学习算法接受已知的输入数据集合(训练集)和已知的对数据的响应(输出)，然后训练一个模型，为新输入数据的响应生成合理的预测。如果您尝试去预测现有数据的输出，则使用监督式学习。监督学习技术分类监督学习技术科分为分类或者回归的形式。 分类技术预测离散的响应。 回归技术预测连续的响应。常见分类算法逻辑回归：工作原理： 适合可以预测属于一个类或者另一个类的二元响应

机器学习简介机器学习是什么机器学习教计算机执行人和动物与生俱来的活动：从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖于预定方程模型。当可用于学习的样本数量增加时，这些算法可自适应提高性能。 机器学习算法可从能够带来洞察力的数据中发现自然模式，帮助您更好地指定决策和作出预测。医疗诊断、股票交易、能量负荷预测及更多行业每天都在使用这些算法指定关键决策。媒体网站依靠机器学习算法

转载请注明链接：http://blog.youkuaiyun.com/xinzhangyanxiang/article/details/9101621 最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。该系列视频共20个，每看完一个视频，我都要记录一些笔记，包括公式的推导，讲解时候的例子等。按照Ng的说法，公式要自己推理一遍才能理解的通透，我觉得自己能够总结出来，发到博客上，也能达到这个效果

回归分析： 是研究一个变量关于另一个(或一些)变量的具体依赖关系的计算方法和理论。 一些符号 m: 训练数据的大小 x: 输入变量，是向量 y: 输出变量，是实数 (x,y): 一个训练实例 x(i),y(i)x^{(i)},y^{(i)} : 第i个训练集，i是上标而不是指数 假设训练集中的数据使用线性回归解决，则假设函数为： hθ(x)=∑ni=0θixi=θ

机器学习定义： Arthur Samuel对机器学习的定义：  Field of study that gives computers the ability to learn without being explicitly programmed。 Tom Mitchell对机器学习的定义： 对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，你们我们称这