freshbin000的博客

关于机器学习的笔记，纯属个人理解，想到什么，记录什么， 可能写的东西不会很具体和全面。 机器学习有监督学习和无监督学习，我认为两者的概念如下。 监督学习：有一大堆训练的数据，如果你要预测某个结果，你可以通过对比分析训练数据，从而找到你需要预测的结果。现阶段我所知道的内容是监督学习有回归算法和分类算法。 无监督学习：没有训练数据，结果好像也不需要预测，完全有机器...

训练样本记为m，特征为x，对应目标值为y，(x，y)表示一组训练样本，h为从x到y的函数映射。 单变量线性回归：h(x)=θ0++θ₁x 代价函数是实际y值与期望y值的方差的二分之一，其函数表达式为： 代价函数也称为平方误差代价函数，简记为： 我觉得代价函数是一个随θ₁变化的函数，当J(θ₁)取值为最小时，此时的θ₁为最小化值，即此时的θ₁能够使线性回归函数h(x)拟...

让梯度下降的速度变得更快可以用特征缩放方法、特征归一化。 特征缩放： u为该特征的平均值，s为该特征的范围。 看得有点懵，好像如果是多项性线性回归模型，那么对特征进行缩放之后，再运行梯度下降算法会更快。 ...