- 博客(19)
- 收藏
- 关注
RSS订阅原创 机器学习实战4（Logistic回归篇）
1、Logistic回归2、Logistic回归代码3、Logistic回归算法实例1--从疝气病预测病马的死亡率4、小结
2022-07-28 14:32:47
2390
3
原创 机器学习实战1（k-近邻算法篇）
1、k-近邻算法2、kNN算法实例1--电影分类3、kNN算法实例2--改进约会网站的配对效果4、kNN算法实例3--手写识别系统5、K-means与KNN的区别
2022-07-21 16:45:24
820
原创 机械学习中的异常检测
1、高斯分布2、构建一个异常检测算法3、开发和评估异常检测系统4、异常检测VS监督学习5、选择特征5、多元高斯分布（多元正态分布）
2022-07-12 15:07:26
654
原创 过度拟合问题
目录1、过度拟合问题是什么？2、用正则化来解决过度拟合问题3、正则化的线性回归4、正则化的逻辑回归 首先，什么是过度拟合问题呢？所谓过拟合，就是指把学习进行的太彻底，把样本数据的所有特征几乎都习得了，于是机器学到了过多的局部特征，得到的函数几乎经过了每一个样本，从而得到一条十分曲折的函数曲线。例如下图的情况，就属于过度拟合。 那什么是欠拟合呢？欠拟合是指模型不能在训练集上获得足够低的误差。换句换说，就是模型复杂度低，模型在训练集上就表现很差，没法学习到数据背后的规律。例如下图的情
2022-06-05 16:41:15
776
原创 Logistic回归
目录1、引出问题2、实例解释3、代价函数4、简化代价函数和梯度下降当我们处理二分类问题的时候，很显然线性回归算法已经不能不能很好的满足我们的需要。
2022-06-04 19:35:11
357
原创 机械学习的训练模型（线性回归、梯度下降、正规方程）
目录线性回归单变量线性回归线性回归线性回归是一种有监督的学习，解决的是自变量和因变量之间的关系。线性回归模型预测：单变量线性回归因为只含有一个特征/输入变量,因此这样的问题叫作单变量线性回归问题。选择不同的参数值，就会得到不同的直线。对于假设函数所预测出来的值和实际值之间的差距就是建模误差，也就是存在着一个代价函数cost function。我们的目标就是减少假设函数预测数来的值和实际值之间的差距，也就是让代价函数最小。而让代价函数最小，就需要我们选择合适的参数值。（1）简化对公式的理解
2022-05-22 22:31:17
549
原创 第一章（机械学习基本术语）
监督学习：训练数据有标记信息无监督学习：训练数据无标记信息泛化：学得模型适用于新样本的能力，就是将新样本放入模型时也能得到可观的结果
2022-05-17 22:23:23
445
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