sq8912的专栏

一、多元线性回归给定数据集，以及对应的取值集合，则可以用一个回归方程来描述自变量与应变量之间的关系：         (1)   其中，的每个分量是线性无关的，这就意味着每个之间的相关性很小。对于一元回归来说，回归的目的就是找到一条直线，对于二元回归来说，回归的目的就是找到一个平

   原文链接：  http://ufldl.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92    Softmax回归模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签 可以取两个以上的值。由于 logistic 回归是针对二分类问题的，因此类标记。假设函数(hypothesis functio

前言本文的实现主要是参照了Andrew NG的深度学习课程所讲的内容。理论知识上一篇博文已经介绍。C++代码来源于一个开源项目，链接地址我忘了，哪天找到了再附上。对原代码改动不大，只是进行了一些扩充。实验环境Visual Studio 2013OpenCV 2.4数据数据来自http://archive.ics.uci.edu/ml/datasets/Optical+Re

Logistic Regression通常用于二分类。分类问题和回归问题的区别就在于，预测的输出值是连续还是离散。当输出值是离散的值时，叫做分类，反之则是回归。在线性回归中，我们用一个线性方程来预测第个样本对应的。很显然，这不太适合用来解决分类问题。为了达到分类的目的，在Logistic Regression中，使用了一个新的假设函数对样本是属于类别“1”还是类别“0”的概率进行预测。

前言本文的实现主要是参照了Andrew NG的机器学习课程所讲的内容。理论知识上一篇博文已经介绍。由于刚接触C++，代码写得比较粗糙，望见谅。实验环境Visual Studio 2013OpenCV 2.4实验代码1.定义一个线性回归的类Regression：头文件 Regression.h#ifndef _Regression_H_#define _

前言本文的实现主要是参照了Andrew NG的机器学习课程所讲的内容。理论知识上一篇博文已经介绍。由于刚接触C++，代码写得比较粗糙，望见谅。实验环境Visual Studio 2013OpenCV 2.4数据本次实验数据包含了手写数字0和1，每类样本分别有20个。如下图所示：实验代码1.定义一个LogisticRegression的类：头文件 Lo

前言     神经网络的理论知识上一篇博文已经介绍。本文主要是通过编程实现神经网络模型，并对给定样本集进行分类。我们知道神经网络分为输入层、隐层和输出层。各层在通过前向传播计算激活值和反向传播计算偏导数的时候，只要分清楚该层的输入、输出即能正确编程实现。     本文的C++代码主要来自于万能的网络，感谢众大神的开源精神。实验环境Visual Studio 2013

一、概述   以监督学习为例，假设有训练样本集  ，那么神经网络算法能够提供一种复杂且非线性的假设模型 ，它具有参数 ，可以以此参数来拟合训练数据。   最简单的神经网络仅由一个“神经元”构成，以下即是这个“神经元”的示意图：                                                                      图1