nosprings的博客

1、假设，线性线的函数是： f(x) = θ0+θ1*x11 + θ2*x12 传说中的激活函数，将数值转换为概率值： sigmoid，relu 函数： g(z) = 1/(1+e(-z)) # e=2.718 z = f(x) # 逻辑回归问题的假设函数： h(x) = 1/(1+e^(-(θ0+θ1*x11 + θ2*x12))) [0, 1] 0.5为分界线 >= 0.7 ...

1、什么是梯度下降： 梯度就是函数在一个点的斜率，梯度下降，就是在求函数极值的过程中，让斜率减小，从而找到极大值或极小值点，因为在几何坐标系里，极值点的斜率是零 # 梯度下降 == 导数值下降 import matplotlib.pyplot as plt import numpy as np # f(x) = (x-10)**2， 目标函数 # f'(x) = 2*x - 20 梯度函...

Python纯手写版本的KMeans算法实现，没有使用numpy库，使用matplotlib可视化 import random import matplotlib.pyplot as plt class KMeans(): def __init__(self, k=1): ''' :param k: k代表分类数 ''' self.__k = k self....