随笔分类 -  机器学习

个人对逻辑回归的理解
摘要：概念： 一种常用于解决分类问题的机器学习方法，通俗地说就是推测一件事情发生的概率有多大。 例如判断某病人身上的肿瘤是良性还是恶性，结合肿瘤大小，厚度，位置等变量来预测，如果Y=0代表良性，Y=1代表恶性，这里的因变量Y只会是0或者1，就是最常见的二分类问题，逻辑回归也可用于多分类问题。 从之前的学习 阅读全文
posted @ 2020-02-26 12:31 冯风风 阅读(356) 评论(0) 推荐(0)
多元线性回归的理解
摘要：之前我们讨论过一个线性回归的，里面是关于房屋售价和面积之间的关系，这个例子中特征只有一个，就是面积。 现在我们继续来讨论如果出现多个特征，通常情况下也是如此，人们在收售房屋时会考虑多个因素，比如新旧程度、地理位置、卧室数量、布局等等。这时特征数量不再是单一的，而是出现多个。 给出以下例子，考虑房屋面 阅读全文
posted @ 2020-02-04 21:47 冯风风 阅读(813) 评论(0) 推荐(0)
梯度下降
摘要：梯度下降：应用最广泛的求极小值算法。 假设一线性回归模型，它的代价函数为 J(θ0,θ1) 。我们的目标是最小化这个代价函数，而要得到最小的代价函数值关键就在于正确选取 θ0和θ1的值，于是我们引出梯度下降算法。 步骤：1. 初始化θ0和θ1的值，通常取0。 2. 不断改变θ0和θ1的值，试图通过这 阅读全文
posted @ 2020-01-20 19:38 冯风风 阅读(556) 评论(0) 推荐(0)
代价函数
摘要：代价函数：又称损失函数，我的理解是用于更好地拟合样本，得到更合适模型的一个方法。 在线性回归中，假设函数为 hθ(x) = θ0 + θ1 * x ，其中θ0和θ1的变化会引起假设函数的变化，参数的选择决定了我们得到的直线相对于训练集的准确度。 为了让预测值和真实值的误差尽可能小和最小化θ0和θ1， 阅读全文
posted @ 2020-01-19 11:40 冯风风 阅读(1809) 评论(0) 推荐(0)
线性回归
摘要：线性回归：简单来说就是通过一条直线来模拟现有数据，对未知数据进行预测，变量通常是连续的标量。 在吴恩达机器学习视频中，举出了最常见的线性回归例子——房价与面积的关系 上图中×表示真实的数据样本，横坐标代表房屋面积，纵坐标代表房屋价格。此时用一条直线模拟这组数据，即上图中穿插在数据点的线。 这条线我们 阅读全文
posted @ 2020-01-15 20:54 冯风风 阅读(290) 评论(0) 推荐(0)
对监督学习和非监督学习的理解
摘要：监督学习：通过人为地输入带有标签的训练数据集，使计算机训练得到一个较为合适的模型，对未知标签的数据进行预测。常见的监督学习算法：回归和分类。 1.回归(Regression)：通常有两个及以上变量，数据一般是连续的，通过训练集变量之间的关系得到一条模拟训练样本的曲线，对未知数据的因变量进行预测，其中 阅读全文
posted @ 2019-12-14 22:16 冯风风 阅读(2285) 评论(4) 推荐(2)