给未来的自己

摘要： 一，提高机器学习算法准确度的方法 当我们的机器学习算法不能准确预测我们测试数据时，我们可以尝试通过以下方法提高我们机器学习的算法准确度 1)，获得更多的训练样例 2)，减少特征数 3)，增加特征数 4)，增加多项式特征 5)，增大或减小\(\lambda\) 二，评估机器学习模型 如果只是单独的使用 阅读全文

摘要： 当我们用非线性假设函数n元k次方程表达逻辑回归特征值，我们的算法的效率将是\( O\left ( n^{k} \right ) \) 当特征数n和k过大时，逻辑回归的算法效率将会非常低，神经网络算法就是为了解决非线性逻辑回归算法而诞生的 神经网络算法来源于模拟人类大脑神经，同一种神经放在不同的大脑区 阅读全文

摘要： 用pyhton具体实现机器学习算法感觉并没有Octave方便 幸好python有专门的scikit-learn库来直接用，所以以后的策略就是用Octave学习和理解算法 用python应用库算法解决Kaggle问题 1，Iris数据集逻辑回归Python版，数据地址:https://www.kagg 阅读全文

摘要： 1，逻辑回归(Logistic Regression) 监督学习除了线性回归之外，还有逻辑回归(Logistic Regression)，也叫分类(Classifycation) 分类问题输入和线性回归问题一样，不过它的输出是离散值。 我们先来学习简单二元分类（输出值只有0和1） 问题就是给定n个特 阅读全文

摘要： 一，梯度下降法Gradient Decent 当我们以线性回归的模型来拟合我们的数据集时，我们如何来确定假设函数的参数值呢？ 首先我们以两个参数为例，即Hθ(x) = θ0 + θ1X，也就是一个一次函数，而代价函数，我们为了尽量拟合数据集，也就是选择合适的θ0（截距）， θ1(斜率)使代价函数J( 阅读全文