- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Datawhale集成学习-task1机器学习的数学基础
一、高等数学（梯度与牛顿法） 1.1梯度向量 梯度是一个向量（方向和模），表示某一函数在该点处的方向导数沿着该方向取得最大值 简单来说，函数在某点沿着梯度的方向变化最快，变化率最大（即为梯度的模） 1.2牛顿法 牛顿法是求解函数值为0时的自变量取值的方法。利用牛顿法求解目标函数的最小值其实是转化成求使目标函数的一阶导为0的参数值。这一转换的理论依据是，函数的极值点处的一阶导数0。 牛顿法迭代过程是在当前位置x0求该函数的切线，该切线和x轴的交点x1，作为新的x0,重复这个过程，直到交点和函数的零点
2021-08-17 21:30:27
256
原创 Datawhale吃瓜教程-task5学习笔记（第六章）
6.1 间隔与支持向量 支持向量：假设超平面能将训练样本正确分类，即对于,若，则有;若，则有。令 如图所示，距离超平面最近的这几个训练样本使上式等号成立，则被称为“支持向量”。 间隔：两个异类支持向量超平面的距离之和为 ...
2021-07-29 21:10:06
424
原创 Datawhale吃瓜教程-task4学习笔记（第五章）
5.1神经元模型 神经网络的定义：神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的的交互反应。 M-P神经元模型：神经元接收到来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”处理以产生神经元的输出。下图为西瓜书中M-P神经元模型示意图。 激活函数：典型的激活函数有Sigmoid函数，它把可能在较大范围内变化的输入值挤压到 (0,1)输出值范围.
2021-07-25 20:23:30
270
原创 Datawhale吃瓜教程-task2学习笔记（第三章）
3.1基本形式 线性模型旨在学得一个通过属性（特征）的线性组合来进行预测的函数 向量形式可写为 3.2线性回归 1.线性回归旨在学得一个线性模型以尽可能准确地预测。 2.对于离散特征，若有序（“高”与“矮”），可通过连续化转化为连续值；若无序（“西瓜”与“南瓜”），则通常转化为k维向量。 3.线性回归为尽可能准确地预测实值输出标记，需要确定w和b，使得f(x)与y差别尽可能小，即使均方误差误差最小化。可以使用最小二乘参数估计的方法得到w和b的最优解，具体推导过程如下： ...
2021-07-19 20:42:53
358
原创 Datawhale吃瓜教程-task1学习笔记（第一章和第二章）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分
2021-07-13 19:04:05
325
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人