摘要：1 神经网络的提出 线性回归和逻辑回归能很好的解决特征变量较少的问题，但对于变量数量增加的复杂非线性问题，单纯增加二次项和三次项等特征项的方法计算代价太高。 2 神经网络算法 2.1 神经元 模拟神经元的模型： 模型的参数即模型的去权重。 2.2 神经网络 如图是一个三层神经网络模型，第一层为输入层 阅读全文

摘要：1 逻辑回归 1. classification 分类 eg：垃圾邮件分类、交易是否是欺诈、肿瘤类别。分类的结果是离散值。 2. sigmoid函数 使用线性方法来判断分类问题，会出现上图中的问题，需要人工判断分界点。有些特殊的样本点，也会使得分界点发生漂移，影响准确性。我们希望我们的分类器输出范围 阅读全文

摘要：1 多元线性回归 1.1 假设函数 多元线性回归是指有多个特征特征变量的情况。此时我们修改假设函数hθ(x)=θ0+θ1∗x为hθ(x)=θ0+θ1x1+θ2x2+⋯+θnxn。设x0=1，x为特征向量，θ为参数向量，则hθ(x)=θTx。 1.2 cost function与梯度下降 cost函数 阅读全文

摘要：1 Introduction 1.1 概念：一个程序被认为能从经验E中学习，解决任务 T，达到性能度量值P，当且仅当, 有了经验E后，经过P评判， 程序在处理 T 时的性能有所提升。 1.2 机器学习分类：监督学习 supervised learning : 回归（regression）、分类（cl 阅读全文