tbb_1984的博客

0.机器学习定义   一个程序由经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验值E后，经过P的评判，程序在处理T的时候经验有所提升。 1.机器学习运用领域：         数据挖掘         无法手动编写的程序：NLP（自然语言处理），计算机视觉         私人订制程序：eg推荐         Understanding human learning (...

（1）数据集描述 使用逻辑回归来识别手写数字（0到9）。 将我们之前的逻辑回归的实现，扩展到多分类的实现。 数据集是MATLAB的本机格式，要加载它到Python，我们需要使用一个SciPy工具。图像在martix X中表示为400维向量（其中有5,000个）, 400维“特征”是原始20 x 20图像中每个像素的灰度强度, 类标签在向量y中作为表示图像中数字的数字类。 import nump...

（1）数据描述 1，使用pandas读取数据，简化后续操作 import numpy as np import pandas as pd import matplotlib.pyplot as plt path =  'ex1data1.txt' data = pd.read_csv(path, header=None, names=['Population', 'Profit']) dat...

（1）正则化描述 线性回归问题中的过拟合，如图3过拟合，不利于预测，图1欠拟合 分类问题中的过拟合，如图3过拟合，不利于预测，图1欠拟合 （2）解决方案 （3）损失函数，加入了正则化，偏向选择较小的参数值来进行拟合 为加入的代价函数，为正则化参数，我们不需要对进行正则化。     （4）数据查看 path =  'ex2data2.txt' dat...

（1）逻辑回归概念 1. 回归(Regression) 回归，我的理解来说，其直观的理解就是拟合的意思。我们以线性回归为例子，在二维平面上有一系列红色的点，我们想用一条直线来尽量拟合这些红色的点，这就是线性回归。回归的本质就是我们的预测结果尽量贴近实际观测的结果，或者说我们的求得一些参数，经过计算之后的预测结果尽可能接近真实值。 2. 逻辑回归的由来对于二类线性可分的数据集，使用线性感知器...

1，概述 octave是开源哦，在国外比较流行，适合快速的实现机器学习demo原型，可行后，再用python等语言实现具体算法 2，安装 下载exe文件后直接点击安装就行 3，操作练习 加减乘除平方 逻辑运算 赋值与显示 向量与矩阵                 绘图 ...

（1）数据概览 import pandas as pd import seaborn as sns sns.set(context="notebook", style="whitegrid", palette="dark") import matplotlib.pyplot as plt import tensorflow as tf import numpy as np raw_data =...

1，数据样例    特征值为4个 （  房屋面积  房间个数  楼层数、建筑年代）    输出值为  价格        2，模型   3， 多变量梯度下降       4，特征缩放         5  学习率   6 特征和多项式回归       7， 正规方程求解   ...

1.矩阵和向量     向量：一个n*1矩阵      大写字母代表矩阵，小写字母代表数字、标量或向量 2.加法和标量乘法 3.矩阵向量乘法  prediction=dataMatrix X parameters 4.矩阵乘法 5.矩阵乘法特征     单位矩阵I（I_n*n）         对于任意矩阵A，A*I=I*A=A 6.逆和转置 ---------------...

矩阵是指 由数字组成的矩形阵列 并写在方括号中间    一个向量是一种特殊的矩阵 向量是只有一列的 矩阵 所以 你有一个 n×1 矩阵 还记得吗 N是行数 而这里的1 表示的是列数 所以 只有一列的矩阵 就是我们所说的向量 通常在书写矩阵和向量时 大多数人会使用大写字母 来表示矩阵 因此 我们要使用 大写字母 如 A B C  X 来表示矩阵     而通常我们会使用小写字母 像a b x y...

1，概念 单变量线性回归是一个监督学习过程，本例中用 房物面积与房屋价格数据集进行建模。 2，数据集       3，模型   4，损失函数定义 误差：       5，梯度下降算法求解代价函数最小值     注意 参数的值需要同时更新     ...

（1）数据预处理 import matplotlib.pyplot as plt import numpy as np import scipy.io as sio import matplotlib import scipy.optimize as opt from sklearn.metrics import classification_report #加载权重值 def load_w...