Reticent_Man的博客

具体查看厦大大数据网站的hadoop搭建教程点击这里查看

假设函数：参数 ：代价函数：(关于为什么是除以2m而不是m，应该是为了后续求导方便。实际上无论除以几都并不影响结果，就好像在x=0处取得最小值，而也在x=0处取得最小值一样）目标函数：接下来就是最小化目标函数，这里采用梯度下降法。 梯度下降法，举一个简单的例子，一个人站在山顶，朝四周望去，找出最佳下山方向，朝着该方向行走一小段距离，接着以此为起点，再次...

定义logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。函数Sigmoid function、Logistic function：  性质值域：（0，1）导数：  其中原函数为  图像      决策界限如果用于...

在机器学习和数据挖掘中，经常会听到两个名词：归一化（Normalization）与标准化（Standardization）。它们具体是什么？带来什么益处？具体怎么用？本文来具体讨论这些问题。一、是什么1. 归一化常用的方法是通过对原始数据进行线性变换把数据映射到[0,1]之间，变换函数为：    其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新...

定义PCA（principal Component Analysis），主成分分析法。顾名思义，就是提取出数据中主要的成分，是一种数据压缩方法，常用于去除噪声、数据预处理，也是机器学习中常见的降维方法。解释专业一点讲，PCA就是用一个超平面（直线的高维推广）对所有样本进行恰当的表达。例如一个三维图形（特征数为3），我们想将它降低到二维（特征数为2），最容易想到的就是投影到一个平面上...

相同点：都是前馈型神经网络； 只要包含足够多隐层神经元，就能以任意精度逼近任意复杂度的连续函数。不同点：BP是通过不断的调整神经元的权值来逼近最小误差的，其方法一般是梯度下降。而RBF是通过对输入与函数中心点的距离来算权重的，所以第一步就要确定神经元的中心（常用方法有随机采样、聚类等）； BP的激活函数是Sigmoid函数，RBF的激活函数是径向基函数（如高斯函数）； BP具有收敛...

2019，新的一年，推荐一本书《数学之美》。书中内容通俗易懂，既与大学所学的高数线性代数概率论直接联系，又与当前热门话题相关。书中对于自然语言处理有较为详细的入门介绍，2012年第一版，2014年第二版，现今NLP已经成为一个热点。由衷地佩服作者吴军博士。目录如下： 第1章　文字和语言 vs 数字和信息　　第2章　自然语言处理 — 从规则到统计　　第3章　统计语言模型...