摘要：
Octave Octave能够更好地实现并快速地掌握机器学习算法。之后再用Java、C++或Python之类的语言去重新实现，会节约很多时间。Octave和MATLAB几乎完全相同，因为Octave开源且免费，安装使用起来比MATLAB更方便，所以我在这里选择使用Octave作为我机器学习入门的语言 阅读全文
posted @ 2021-06-09 10:41
mmmhongyu
阅读(752)
评论(0)
推荐(0)
摘要：
正规方程（Normal Equation） 在某些问题中，用正规方程求解参数$\theta$的最优值更好。 相比梯度下降的多次迭代，正规方程可以一次性求出参数$\theta$的最优值，它提供了一种求解参数$\theta$的解析解法。 正规方程法概览 首先假设有这样一个代价函数$J(\theta)=a 阅读全文
posted @ 2021-06-09 10:30
mmmhongyu
阅读(408)
评论(0)
推荐(0)
摘要：
多项式回归 数据集不总可以用一次函数去拟合，实际情况中，数据集往往需要构建二次函数乃至于三次函数等高次函数去拟合，此时就需要构建多项式回归模型。 特征的选择 以预测房价为例，给定的数据集中有两个特征，分别是临街宽度和垂直宽度，如图： 靠近马路的一边为临街宽度，另一边为垂直宽度。 容易得出假设函数$h 阅读全文
posted @ 2021-06-09 10:29
mmmhongyu
阅读(217)
评论(0)
推荐(0)
摘要：
多元线性回归 实际应用中我们不可能总是遇到单变量，或者说单特征值（详见2号笔记）的线性回归模型。 下图是以房屋售卖为例的多元线性回归模型 |面积|卧室数量|楼层数量|房龄|价格| | | | | | | |2104|5|1|45|460| |1416|3|2|4|232| |1534|3|2|30| 阅读全文
posted @ 2021-06-09 10:25
mmmhongyu
阅读(355)
评论(0)
推荐(0)
摘要：
单元线性回归模型 当您要根据单个输入值x预测单个输出值y时，使用单变量线性回归。 我们在这里进行有监督的学习，因此这意味着我们已经对输入/输出因果关系应该有所了解。 在监督学习中，我们有一个数据集，这个数据集被称为训练集。 以住房价格为例： 算法的任务是从这个数据集（训练集）中学习如何预测房价 | 阅读全文
posted @ 2021-06-09 10:13
mmmhongyu
阅读(325)
评论(0)
推荐(0)
摘要：
#机器学习 21世纪，机器学习可以说是已经嵌入到我们生活中的方方面面。我们可能一天用到机器学习数十次而没有丝毫察觉。 当我们用到百度、Google等搜索引擎时，我们会觉得搜索效果很好，这其实是因为他们的机器学习算法已经知道如何对搜索结果进行排序。 当我们使用邮箱时，邮箱会自动过滤掉垃圾邮件，这也是机 阅读全文
posted @ 2021-06-09 09:54
mmmhongyu
阅读(248)
评论(0)
推荐(0)
浙公网安备 33010602011771号