烈日板砖

机器学习

未归档(44)

/ 注册

全部文章 / 机器学习（共5篇）

机器学习笔记（十一）机器学习系统的设计

1.工作的优先级以垃圾邮件分类器算法为例进行讨论：为了解决问题，我们首先要决定如何表达特征向量 x。选择一个由 100 个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现（出现为 1，不出现为 0），获得特征向量。为了构建这个分类器算法，我们可以： ...

2017-12-19

0 355

机器学习笔记（十）应用机器学习的建议

1.决定下一步以预测房价为例，假如我们已经完成了正则化线性回归，在得到学习参数之后，将假设函数放到新的样本上测试，却发现产生非常大的误差。现在我们的问题是改进这个算法，该怎么做？我们可以想出很多种方法解决问题，有一种办法是使用更多的训练样本，或者说使用更少的特征。但是我们并不知道...

2017-12-17

0 568

机器学习笔记（九）神经网络的学习

1.代价函数首先引入一些新记法，便于稍后讨论。假设神经网络的样本有m个，每个样本包含一组输入x和一组输出信号y，L表示神经网络的层数，Sl即第l层的单元个数（不包括偏置单元）。将神经网络的分类定义为两种情况：二类分类和多类分类。在逻辑回归中，我们的代价函数： ...

2017-12-11

0 397

机器学习笔记（六）逻辑回归

1.分类分类问题很多，比如说是否为垃圾邮件，在线交易是否欺诈等（二分类问题）。使用线性回归模型h（θ），会得到连续的预测值，但是我们需要的输出是0和1。所以这里要确定一个阈值。 h（θ）>0.5，预测y=1； h（θ）<0.5，预测y=0。这种情况下，我们可以很好的...

2017-12-01

0 586

机器学习笔记（二）单变量线性回归

1.训练集有训练样例(training example)组成的集合就是训练集。如上图所示，右边两列数据就是训练集。一个（x，y）就是一个训练样例。我们用一些特定的字母表示术语： m：代表训练集中实例的数量； x：代表特征/输入变量； y：代表目标变量/输出变量；...

2017-11-19

0 448