01 2020 档案

机器学习——牛顿法，指数分布簇，广义的线性模型
摘要：一、牛顿方法： 基本思想是利用迭代点$x_k$处的一阶导数(梯度)和二阶导数(Hessen矩阵)对目标函数进行二次函数近似，然后把二次模型的极小点作为新的迭代点，并不断重复这一过程，直至求得满足精度的近似极小值。 对于f(x)=0,求解x; 初始化$\theta$ ,然后一直迭代：$\theta^{ 阅读全文
posted @ 2020-01-30 21:16 呆子哥哥 阅读(441) 评论(0) 推荐(0) 编辑
机器学习——局部加权回归，逻辑回归
摘要：局部加权回归（ locally weighted regression ） 特征选择问题：underfitting,overfitting parametric learing algorithm:有固定数目的参数以用来数据拟合的算法； Non parametric learing algorith 阅读全文
posted @ 2020-01-29 17:15 呆子哥哥 阅读(588) 评论(0) 推荐(0) 编辑
机器学习——梯度下降法
摘要：Notation： m=number of training examples n=number of features x="input" variables / features y="output"variable/"target" variable $(x^{(i)}，y^{(i)})$ = 阅读全文
posted @ 2020-01-19 14:27 呆子哥哥 阅读(222) 评论(0) 推荐(0) 编辑