qq_34579844的博客

针对机器学习呢，鄙人主要是推荐在b站上看吴恩达的机器学习系列视频，下方附有连接https://www.bilibili.com/video/av9912938/?p=3当然吴恩达老师也在他的Coursera课程主页上面放出了这个系列的视频，可以注册后免费听课，并且有相应的文档和作业可以参考，非常不错的。链接如下：https://www.coursera.org/learn/machine-l...

这是我接触到的第一个机器学习算法—线性回归算法仍然是一个预测房价的问题，前面提到了这是一种监督学习，水平坐标为房子的面积，纵坐标为房价，你所要做的就是拟合出一条线来尽可能的逼近这些点，找出其中的规律。这也是一个回归问题。什么是回归？回归就是用之前的数据来预测出一个准确的输出，比如说房价。我们提到的数据集就是训练集（Training Set），而我们拟合的线就是我们所作的假设(hypothes...

前面介绍了，当输入的特征X为多个的时候，就变成了多变量线性回归。此时输入的特征为X1~Xn共有n个，进一步化简，把θ0看成是一个参数，特征X0=1，那么就会有：进一步写成矩阵相乘的形式，就是：假设h有了，那么应用前面学过的梯度下降法来更新每一个θ的值，循环循环再循环，最终收敛或者小于我们规定的一个阈值，算法结束。在使用梯度下降法的时候应当注意几点：（1）保证输入的所有特征取值范...

前面介绍的是线性回归，就是说有一堆的数据，找到一条线去拟合他们，找出规律，然后做预测。现在呢，我们要解决的是分类问题，也就是说我们最终预测的结果是一个概率值，预测出的结果属于某一个类的概率是多少。（概率嘛，值肯定是在0到1之间）对于一个二元分类问题，结果y只能等于0或者1，分别称为负向类和正向类。我们需要用到逻辑回归算法，使得假设h的输出在0到1之间，就需要找到一个满足这个性质的假设函数。...

目前为止，我学到了线性回归和逻辑回归，当用他们来解决实际问题的时候，会出现一些问题，比如说过拟合和欠拟合的问题。如何理解？看一个例子这个就是我们所熟悉的线性回归的例子，图一用线去拟合数据点，看出来明显好多点和直线有较大的偏差，这个是欠拟合；图三每个点都在曲线上了，这就有点过拟合；中间的图为正正好好！加入出现了这种问题，我们可以用正则化去解决。前面的例子我们可以看出，就是X的次数高所引起的过...

话不多说，先上一个简单的神经网络的图信号从左到右传入到输出，分别是输入层，隐含层和输出层，其中隐含层的激活单元的表达式为可以看出，跟之前的逻辑回归相似，只不过是一个图的形式连接起来的网络结构。我们需要将我们的特征集，也就是训练集传递给神经网络来训练一个模型。用向量的方式来表示如下：上面一个式子比较熟悉，其实就是逻辑回归，只不过其中的a代替了x，可以理解a就是x的进化体，是一种更高级的...