- 博客(14)
- 收藏
- 关注
RSS订阅原创 机器学习随记【day25-day26】
无监督学习 简单地说，监督学习是:我们有一个带标签的训练集，然后我们的目标是找到一条可以区分正样本和负样本的决策边界，即用假设函数拟合标签。无监督学习的数据没有标签 聚类算法 在聚类问题中，我们给定一组未加标签的数据集，希望找到一个算法能够自动地将这些数据分成有紧密关系的子集或簇。 应用 K-means算法 第一个for 循环:对于每个样本从第1个到K个最接近X^i 的聚类中心下标，赋给C ^i 第二个for 循环:移动聚类中心，即将聚类中心移动到簇的均值处，若某个中心没有点，通常删除这个点，或者随记初
2022-02-17 19:00:26
713
原创 机器学习随记【day19-day20】
评估假设 分割数据集，典型比例为7：3，通常先打乱再分割，下标m表示样本来自测试集 线性回归 逻辑回归 模型选择 用训练集训练出来的模型再训练集上不能预测出其对于新样本的泛化能力，因此把数据集分成训练集、验证集、测试集，典型为6：2：2 诊断偏差与方差 ...
2022-02-10 19:45:51
617
原创 机器学习随记【day15-day18】
神经元与大脑 模型展示 神经元 图为一个带有sigmoid或logistic激活函数的人工神经元模型 x0:偏置单元(bias unit)/偏置神经元(bias neuron), 总等于1 神经网络 神经网络其实是一组神经元连接在一起的集合 输入层(Input layer):第一层，输入特征x1，x2，x3 输出层(Out layer):最后一层，输入假设的最终结算结果 隐藏层(Hidden layer):中间层，即非输入非输出层 a^j_i:表示第 j 层第 i 个激活项,激活项指由一个具体神经
2022-01-29 23:38:47
1734
原创 机器学习随记【day14】
正则化 引入 两图都是较好的拟合结果，之前提过P2出现过拟合的情况，泛化的能力不佳。这时为了减小x ^3与x ^4的影响，可以在代价函数中加入惩罚,即图中的形式，+1000θ ^3+1000θ ^4,这样可让两个参数很小 此处的1000指很大的数 正则化思想 简化假设模型，因此也减少了过拟合的情况。 当我们有多个参数， 正则化代价函数 当我们有多个参数，而不知道那些需要添加惩罚，就对所有特征添加惩罚，则可以得到以下正则化代价函数: 第一项的目的是训练模型更好拟合训练集；第二项目的是保持参数尽可能小，其
2022-01-24 23:57:12
817
原创 机器学习随记【day11-day13】
分类问题 与回归问题同属于监督学习，区别在于预测离散值的输出、 用线性回归解决分类问题 可以假设输出阈值为0.5，大于0.5则预测1，反之预测0。 若添加一个没有提供任何信息系得样本，线性回归对数据得拟合直线会因此改变，偏离正确直线；此外，假设函数的输出值会远大于1或远小于0，即使所有样本的训练标签都是0或1。因此通常不用线性回归解决分类问题。 逻辑回归 模型 假设函数：hθ (x)=g(θTX) 【这个转置符号markdown怎么打救命。。。。】 其中g(x) :Sigmod函数/Logisti
2022-01-21 23:32:32
530
原创 机器学习随记【day07-08】
多变量线性回归 模型 假设函数 此处为了表示方便将x0定1，且可以将其用矩阵相乘表示 代价函数 单变量与多变量梯度下降比对 特征缩放 举例 视频中举房价为例子，有两个变量x1为0-200的面积 x2为1-5的数量卧室 以θ1、θ2为变量绘制等高图 (立椭圆的图形特征可以用梯度下降的步伐或者导数大小来理解) 易见变量相差较大时，梯度下降需要多次迭代才能收敛 为减少迭代次数，通过缩放使他们相差较小(椭圆化圆的味道) 均值归一化(Mean normalization) μi为xi的均值 Si为xi的
2022-01-17 22:31:55
720
原创 机器学习随记【day02-03】
课程中会用到的符号 m = Number of training examples 训练样本的数量 x’s =“input” variable / features 输入特征 y’s = “output” variable /"target"variable 输出变量 (x,y) =one training example 一个训练样本 (x^ (i),y^ (i) ) 第i个训练样本，i不是幂指数，而是索引 模型描述 Linear regression 线性回归 假设函数h(hypothesi
2022-01-13 00:04:38
407
原创 机器学习随记【day01】
内容主要出自吴恩达机器学习网课 机器学习 Grew out of in AI New capabilitiy for computers 计算机开发的新功能 部分应用 Data mining 数据挖掘 Applications cant program by hand 人无法手写的程序 Self-customizing programs 私人定制程序 Understanding human learning(brain,real AI) 理解人
2022-01-11 22:52:29
736
原创 python 学习笔记day01
format 语法格式：{(index):(fill)(align)(width)(.precision)(type)} index:表示参数序号，按其顺序分配 fill：指定空白处 align：指定数据的对齐方式：左对齐（<）、右对齐（>）、居中对齐（^） sign：指定有无符号，正负，进制 width：指定输出所占宽度 precision：指定保留小数位数 type:指定输出数据的类型，字符串，浮点，整形，百分比，进制 format()中的参数，按照{}出现的顺序传递参数 print('zt
2021-09-22 20:44:11
149
原创 【软件创新实验室2021年暑假集训】作业文档
代码 package homework; import java.util.Scanner; abstract class person { int age ; String name; int sex; } interface get{ void get(); //获取信息 } interface print { //输出信息 void print(); } class employe
2021-08-20 22:17:45
137
原创 【软件创新实验室2021年暑假集训】servelet与jsp上课笔记与课后学习
在web.xml中配置servlet的访问地址 <servlet> <servlet-name>test</servlet-name> <servlet-class>DEMO01.test</servlet-class> </servlet> <servlet-mapping> <servlet-name>test</servlet-name
2021-07-28 23:24:10
138
原创 【软件创新实验室2021年暑假集训】day7 作业
java内存模型与生命周期 java内存模型 java生命周期 JVM知识点 概念：JVM百度百科词条 特性： 移植性 无论是GC还是Hotspot都可以用在任何Java可用的地方。比方说，JRuby可以运行在其他平台上，Rails应用就可以运行在IBM主机上的JRuby上，而且这台IBM主机运行的是CP/CMS.实际上，由于Java和OpenJDK项目的开源，我们正在看到越来越多的平台的衍生，因此JVM的移植性也将越来越棒。 成熟 JVM已有多年的历史，在过去的这些年里，许多开发者为它做出了许多贡献，使
2021-07-18 23:44:08
173
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