qq_35658177的博客

支持向量机：优点：适应‘小样本数量，高特征维度’的数据集任何有维度的非线性问题在更高维的空间里总可以变成线性可分问题SVM使用拉格朗日乘子法实现对超平面求解问题的升维核函数：一种输入两个低维空间向量，返回高维空间点积的函数。线性核：直接返回输入向量的点积，速度最快。实际上没有升维，适用于本身特征维度较高、样本数量很大的场景。多项式核：k(p,q)=(p·q+1)Xd,...

———《从机器学习到深度学习》刘长龙用梯度下降法求解因变量最低点步骤：任取一点为起始点查看在当前点向哪个方向移动能得到最小的z值，并向该方向移动重复该步骤，直到无法找到更小的z值，此时认为达到最低点算法概念：步长（learning rate）:是在每一步梯度下降时向目标前行的长度。步长越长，在陡峭区域下降越快，但在平缓区域容易出现反复抖动而找不到最优点；步长越段越不易产生...

有关梯度函数的文章：[机器学习] ML重要概念：梯度（Gradient）与梯度下降法（Gradient Descent）　http://blog.youkuaiyun.com/walilk/article/details/50978864深入浅出–梯度下降法及其实现https://www.jianshu.com/p/c7e642877b0e梯度下降法的原理与实现https://blog....

三种不同方法监督学习supervised learning无监督学习unspervised learning强化学习reinforcement learning通过监督学习对未来事件进行预测监督是指训练数据集中的每个样本均有一个已知的输出项（类标（label））分类回归（预测）通过强化学习解决交互式问题强化学习的目标是构建一个系统(Agent)，在与环境(environm...

分类机器学习算法：感知器perceptron自适应性神经元adaptive linear neuron内容：使用pandas、NumPy和matplotlib读取、处理和可视化数据使用python实现线性分类算法感知器算法实现感知器模型感知器学习规则输入训练样本X和初始权重向量W，将其进行向量的点乘，然后将点乘求和的结果作用于激活函数sign（），得到预...