qq_18294383的博客

机器学习（四）—— 最小二乘法 线性回归基本概念回顾 数据集 X=(x11x12⋯x1n1x21x22⋯x2n1⋮⋮⋱⋮⋮xm1xm2⋯xmn1)\boldsymbol X = \begin{pmatrix} x_{11} & x_{12} & \cdots & x_{1n} & 1\\ x_{21} & x_{22} & \cdots & x_{2n} & 1\\ \vdots & \

机器学习（三）—— 梯度下降法 线性模型与线性回归 线性模型(linear model)试图学得一个通过属性的线性组合来进行预测的函数，根据预测值是的连续和离散可分为线性回归（Linar Regression） 线性模型形式简单、易于建模，是最基础的机器学习模型，但却蕴涵着机器学习中一些重要的基本思 想.许多功能更为强大的非线性模型(nonlinear model)可在线性模型的基础上通过引入层级结构或高维映射而得.此外，由于θ\boldsymbol\thetaθ直观表达了各属性在预测中的重要性，因此线性模

机器学习（二）—— 基本概念 机器学习 机器学习（machine learning） 此处介绍的机器学习主要为归纳学习，包括监督学习和无监督学习两类，我们有这样一个著名的定义 Tom Mitchell (1998) Well-posed LearningProblem: A computer program is said to learn from experience E with respect to some task Tand some performance measure P, if its

机器学习（一）——发展历程 引言 人工智能（英语：artificial intelligence，缩写为AI）究竟是什么？目前难以精确定义 人工智能于一般教材中的定义领域是“智能主体（intelligent agent）的研究与设计”，智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩莱因（Michael Haenlein）将人工智能定义为“系统正确解释外部数据，从这些数据