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
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
相关文章推荐
- 设计模式-适配器模式(Adapter)
- Qt5创建模态和非模态对话框
- 转 C编译: 使用gdb调试
- SQL,根据不同条件拼接不同SQL,非if拼接 改为SQL where形式
- PDOException PDOException: could not find driver
- R语言 对数据框按某一列分组求组内平均值
- JavaScript helloworld
- 如何做H5页面阴影悬浮效果
- STL 源代码剖析 算法 stl_algo.h -- random_shuffle
- Raw 暗场校准 I
- Raw 暗场校准 II
- python time函数
- android简单实例--------普通菜单optionMenu,上下文菜单ContextMenu,弹出式菜单的使用PopuMenu(一)
- 性能调优之剖析OutOfMemoryError
- haproxy日志配置
- 学习笔记:神秘的 IOCP 完成端口
- C#读取DWG
- 华硕Xtion 在ubantu14.04 下使用OpenNI2找不到device的问题
- mysql安装完成之后为root用户添加密码
- MySQL Profiling的使用