摘要：逻辑回归 分类算法 线性回归 + 阈值 健壮性不够, 噪声一来, 马上投降 线性回归做分类问题, 健壮性很差, 做分类算法 判定边界, 线性回归, 我把一个线性回归用 sigmiod 函数进行压缩, 压缩到 0 1 的值, 然后以 0.5 判定是否是正样本和负样本 逻辑回归不一定是线性的, 也可以是 阅读全文

摘要：机器学习初步 有监督和无监督区别, 一个有标签一个无标签 机器学习的目的, 寻找一个模式 与环境进行交互, 有一个反馈 有监督分为两类问题 主要任务是分类和回归 降维也是无监督的学习 每一行是一个样本, 每一列是一个特征(属性维度) 线性回归 多变量情形 损失函数 平方损失函数 指数损失函数 交叉熵 阅读全文

摘要：线性代数选讲 线性代数和矩阵 线性空间和几何的关系 线性空间是一些向量的几何, 可以做加减, 分配率等操作 如何做计算? 基是线性空间里的一组向量, 使得任何一个向量可以唯一的表示成这组向量的线性组合. 有了基, 向量就可以表示成一个点(a, b) 矩阵变换和特征值 线性变换就引入了矩阵, 从低维空 阅读全文

摘要：微积分选讲 极限 一个函数在 x 附近的数就是极限 无穷小 逼近的时候, 需要了解逼近的时候需要了解以什么样的速度来逼近无穷小. 微分和泰勒级数 微分学的核心思想就是逼近, 通常而言我们研究的函数都是比较复杂的,我们想用一个简单的函数进行逼近, 不准的话, 我们想知道这个逼近有多近, 用一个线性函数 阅读全文

摘要：朴素贝叶斯是一种简单的概率分类器, 其实是利用了先验概率, 而计算后验概率的一种概率统计方法, 虽然很简单, 但是面对一些问题, 确实很有效 基于朴素贝叶斯的分类方法 优点: 在数据量很少的情况下, 仍然有效, 而且可以处理多分类问题 缺点: 对于输入数据的准备方式比较敏感 贝叶斯的理论的核心思想是 阅读全文