haoran_gao的博客

http://www.astroml.org/sklearn_tutorial/practical.htmlObjectives 目标 By the end of this section you will 单元结束你可以 Be able to describe the hyperparameters of a model, and how cross-validation can

机器学习的一个核心目标是对输入数据进行分类。例如一个训练好的分类器，输入一张图片便可预测这张图中是狗还猫。用来分类的方法有很多，支持向量机、逻辑回归、深度学习等假设我们有一个1024行的SFrame数据集， 我们要随机把它分割成90%/10%.>>> sf = graphlab.SFrame({'id': range(1024)})>>> sf_train, sf_test = sf.random

https://dato.com/learn/gallery/notebooks/feature_engineering_with_graphlab_create.html

http://blog.youkuaiyun.com/pakko/article/details/37878837 http://blog.youkuaiyun.com/huangyanlong/article/details/39718485

http://blog.youkuaiyun.com/luoleicn/article/details/6640678

http://blog.youkuaiyun.com/u011225629/article/details/50492403

http://wenku.baidu.com/link?url=QfS2fKBk-ayCB-CyEmFjPW1f_DGva__kmlefpICKaimcMU9t6coSIWzOf1p1pdcYiEGo-iXZ5LZndnMRpkkBjVrgIdVHa87QUzMG87qF9IShttp://blog.youkuaiyun.com/zouxy09/article/details/20319673blog.csdn

https://en.wikibooks.org/wiki/Calculus/Extrema_and_Points_of_Inflection https://en.wikipedia.org/wiki/Hill_climbing

在统计学中，线性回归是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。一个带有一个自变量的线性回归方程代表一条直线。我们需要对线性回归结果进行统计分析。通过定义和最小化一个成本函数，简单线性回归可以拟合一条直线。一般用最小二乘法（OLS)来计算系数。线性回归的公式可以表示为y=w0+w1xy=w_{0}