- 博客(12)
- 收藏
- 关注
RSS订阅原创 机器学习：梯度的含义
通过不断迭代更新 `theta`，模型逐渐减少损失，最终找到使损失最小的参数值。将特征矩阵 `X` 的转置与误差向量 `diff` 相乘，得到每个参数对误差的贡献。- 如果某个参数的梯度值为正，说明该参数增加会导致损失增大，因此需要减小该参数。- 如果某个参数的梯度值为负，说明该参数增加会导致损失减小，因此需要增大该参数。- **学习效率**：梯度的大小反映了当前参数距离最优解的远近。- **优化方向**：梯度告诉模型如何调整参数以降低损失。### 4. **在你的代码中的作用**
2025-03-26 15:52:06
416
原创 机器学习：梯度下降算法中的代价函数值
评估预测准确性：它提供了一种量化预测误差的方式，帮助人们了解预测结果的可靠性。较小的SSE意味着预测结果在整体上更接近实际情况，预测的准确性较高；而较大的SSE则提示预测存在较大偏差，需要对预测方法或模型进行改进。计算代价函数值可以理解为求误差平方和，当代价函数值小的时候模型对数据的拟合效果好。SSE值越小，说明预测值与实际值越接近，模型对数据的拟合效果越好。通过比较不同模型的SSE，可以选择出最适合数据的模型。是衡量预测值与实际观测值之间差异程度的一个统计量。SSE值越大，表明模型的预测效果越差。
2025-03-26 10:09:41
131
原创 机器学习：计算并返回给定数据集上的梯度
X.dot(theta) 表示对每个样本进行线性组合，结果是一个形状为 (m, 1) 的向量，表示每个样本的预测值。shape[0]或者shape[1]都代表这啥，shape的用法是啥呢。# 计算梯度，即特征矩阵乘以差值向量的结果，再除以样本数量。
2025-03-25 10:51:21
170
原创 从ISO手动构建麒麟V10基础Docker镜像
麒麟V10的ISO文件包含系统安装所需的软件包和文件系统结构。将临时根目录下的所有文件打包，保留权限和目录结构，以便后续导入为镜像。标记了这是麒麟V10的基础镜像，后续可基于此镜像进一步定制。确保仅包含必要的系统文件，避免将宿主机的临时数据混入镜像。文件转换为Docker镜像，生成一个可重复使用的镜像层。是最基础的RPM包，定义了Linux目录结构（如。文件），确保安装的组件与麒麟V10完全兼容。：作为临时根目录，模拟安装后的系统环境。），避免污染宿主机的文件系统。：用于挂载ISO文件。
2025-03-05 13:14:46
502
原创 Python selenium自动化学习 -自动登录页面学习
写完自动登录脚本之后 可以pip install pyinstaller 打包脚本成可执行程序。
2025-02-26 17:48:42
178
原创 Atlas 300IPro+x86安装部署问题
首先，x86服务器 +操作系统Ubuntu20.04需要设置内核版本为5.4.0-26-generic先下载对应内核版本然后通过GRUB在系统启动时，GRUB（GRand Unified Bootloader）菜单允许你选择不同的内核版本来启动系统。
2025-02-17 16:15:27
915
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人