您的位置:首页 > 其它

机器学习入门1

2016-02-25 16:21 267 查看
一,引言
1,机器学习定义:一个程序被认为能够从经验E中学习从而解决任务T,达到性能度量值P,当且仅当有了E后经过P评判,程序在处理T时有所提升。

2,监督学习:给定数据集中每个样本的正确结果,拟合数据,推测出一个连续值得结果。

监督学习的两种问题:回归——推测出连续值
分类——推测出离散值

3,非监督学习:交给算法大量无标签的数据,并让算法为我们从数据中找出某种结构。

非监督学习的算法:聚类等

二、单变量线性回归

1,模型表示

一种可能的表达方式为:


只含有一个特征、输入变量,因此叫单变量线性回归问题。

2,代价函数
寻找合适参数(斜率和截距)。参数决定了建模误差(预测值与数据集中真实值的差距)。

用平方误差代价函数

选择出可以使建模误差平方和最小的模型参数。
平方误差函数是解决回归问题最常用的代价函数。

3,梯度下降

当越来越接近最小值,偏导将越来越小,学习幅度相应减小。

4,线性代数简述
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: