www6130911的博客

Arthur Samuel(1959). Machine Learning:Field of study that gives computers the ability to learn without being explicitly programmed. （在没有明确设置的情况下，使计算机具有学习能力的研究领域） Tom Mitchell(1998). Well posed L...

Supervised Learning （监督学习）        对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。        监督学习是训练神经网络和决策树的最常见技术。这两种技术（神经网络和决策树）高度依赖于事先确定的分类系统给出的信息。 E.g.房屋价格预测-回归(Re...

      我们所学的第一个机器学习算法是线性回归算法。在这段视频学习中会看到这个算法的概况，更重要的是我们将会了解监督学习过程完整的流程。      让我们通过一个例子来开始：这个例子是预测住房价格的，我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格。在这里，我要根据不同房屋尺寸所售出的价格，画出我的数据集。比方说，如果你朋友的房子是 1250 平方尺大小，你要告诉他们这房子能卖多少...

1、代价函数是什么？      理解的代价函数就是用于找到最优解的目的函数，这也是代价函数的作用。2、代价函数作用原理       对于回归问题，我们需要求出代价函数来求解最优解，常用的是平方误差代价函数。      比如，对于下面的假设函数:       里面有θ0和θ1两个参数，参数的改变将会导致假设函数的变化，比如：       现实的例子中，数据会以很多点的形式给我们，...

一、引入        在前几节课我们讲到，我们希望能够找到曲线拟合效果最好的线条，这样的线条的误差最小，所以就转化成了下面这幅图所表达的内容。        我们有一些函数，这些函数会有n个参数，我们希望能得到这个函数的最小值，为了方便计算，我们从最简单的入手，让参数的个数仅有两个。对于这个函数，我们会给定初始的参数θ0和θ1，不断改变他们的值，从而改变函数值，直到我们找到我们希望的...

      与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价函数是所有建模误差的平方和。即：其中：       我们的目标和单变量线性回归问题中一样，是要找出使得代价函数最小的一系列参数。 多变量线性回归的批量梯度下降算法为： 求导数后得到： 我们开始随机选择一系列的参数值，计算所有的预测结果后， 再给所有的参数一个新的值，如...