机器学习初学者笔记（一）

zdswyh123

于 2020-04-05 21:11:12 发布

阅读量153

点赞数

分类专栏：机器学习笔记

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/zdswyh123/article/details/105333234

版权

机器学习笔记专栏收录该内容

3 篇文章

订阅专栏

1 监督学习

给算法一个数据集，其中包括了正确的数据，然后算法的目的是找出更多的正确预测值

2 回归问题

目标是预测一个连续值输出

3 分类问题

预测离散值输出

4 无监督学习

给算法无标签或者相同标签的数据集，然后利用算法将其分簇----也可以看成是聚类算法

5 学习步骤

首先有一个训练集，然后利用学习算法假设一个函数引导从x到预测值y的输出，再然后决定假设函数。

6 确定假设函数需要根据代价函数

若有一个训练集，函数 $h_{\theta }(x)=\theta _{0}+\theta _{1}x$ 为假设函数定义 $\theta _{i}$ 为模型参数，代价函数则是寻找使预测值和真实值最小化的问题，即 $J(\theta_{0},\theta_{1})=\frac{1}{2m}\sum_{i=1}^{m}(h(x^{(i)})-y^{(i)})^{2}$ ，那么， $mininize(\theta_{0},\theta_{1})J(\theta_{0},\theta_{1})$ 为代价函数。当模型参数只有一个时候，J为抛物线型的函数。当模型参数为两个时候，J为碗底型函数

评论

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

打赏作者

zdswyh123 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。