机器学习

神经网络进阶 一、代价函数 1. 神经网络(分类) 基本结构 假设神经网络的训练样本有m个，每个包含-组输入x和一组输出信号y，L表示神经网络层数，$S_I$表示每层的 neuron个数($S_l$表

Logistic Regression Research 这篇文章旨在梳理一下逻辑回归，因为其简单、实用、高效，在业界应用十分广泛。注意咯，这里的“逻辑”是音译“逻辑斯蒂（logistic）”的缩写，

神经网络表示 神经网络是一种机器学习算法，有别于线性回归、逻辑回归。 一、非线性假设 1. 引例 利用逻辑回归求解非线性分类问题 问题:房子如何能卖出? 下面是两个特征的情况： 然而当特征数量比较多时

正则化 一、过拟合问题 定义：在统计学中，过拟合（英语：overfitting，或称拟合过度）是指过于紧密或精确地匹配特定数据集，以致于无法良好地拟合其他数据或预测未来的观察结果的现象。 过拟合模型指

逻辑回归 一、矢量理解 好好利用Python的Numpy模块的线性代数库、数值线性代数库。 1. 样例 简化累加： $\begin{aligned} h_{\theta}(x) &=\sum_{j=0

Linear Regression with multiple variables 多参数线性回归本质上是单参数线性回归的推广。 一、多功能 1. 前情回顾： 单特征回归的数据集 Size(feet^

线代基础 主要回顾一下矩阵和向量的有关知识。 矩阵 定义： 一个由数字组成的矩形数组。矩阵维数：行数 * 列数，如 $A^{m * n}$。 矩阵元素表示方法：和计算机计数方式区别开来。$A_{ij}

Introduction ML无处不在：垃圾邮件过滤器、搜索引擎、保洁机器人and so on。 ML 本质 诞生于AI 计算机的新型能力 应用领域 数据挖掘：从不断扩张的网络中获取数据集。如点击量、