经典机器学习算法的数学推导

最新推荐文章于 2024-08-31 11:22:05 发布

weixin_45955767

最新推荐文章于 2024-08-31 11:22:05 发布

阅读量3.1k

点赞数 1

文章标签：聚类机器学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_45955767/article/details/121169223

版权

本文深入探讨了机器学习中的线性回归和K-means聚类算法。对于线性回归，讲解了参数θ的数学表示、特征x的选择以及误差的理解。在K-means中，解释了确定簇数、质心计算和距离度量方法。文章还重点介绍了优化技巧，如矩阵求导和梯度下降，并强调了不同参数的独立优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

线性回归

为什么叫h(x)

为什么用θ表示参数

θ是向量还是矩阵？

为什么用x表示特征

为什么X是一个 $R^{d}$ 来表示的向量

为什么在表格添加一列1 ?便于矩阵计算

为什么用 $\varepsilon$ 表示误差？

K-means

基础概念：

1.要得到簇的个数，需要指定K值

2.质心：均值，即向量各维取平均即可

3.距离的度量：常用欧几里得距离和余弦相似度（先标准化）

4.优化目标：就是每个簇内每个样本点到簇中心的距离之和最小

必须掌握的技巧

1.提出常数和取对数

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。