King_HAW

Machine Learning：Gradient Descent（梯度下降法）梯度下降法是机器学习中最常用的几种优化方法之一，目的为了找到合适的参数向量θ θ\theta，使得代价函数J(θ) J(θ)J(\theta)最小，梯度下降法的用途很广，本文中介绍使用梯度下降法来最小化线性回归问题中的J(θ) J(θ)J(\theta)。基本概念：输入(I...

Machine Learning：Multivariate Linear Regression（多元线性回归）上篇博文中介绍了使用梯度下降法去最小化代价函数J(θ) J(\theta)，从而得到比较符合原始数据分布的假设函数h θ (x) h_{\theta}(x)。

首先考虑对于数据预测结果可能出现的四种情况：True Positive(TP)：预测为正，实际为正False Positive(FP):：预测为正，实际为负False Negative(FN)：预测为负，实际为正Ture Negative(TN)：预测为负，实际为负准确率（Precision）定义为：在单类预测结果中，正确的比率，为 P = TP / (TP + FP)