摘要：
变量 变量赋值 a = 3 % 输出a = 3 a = 4; % 添加了“;”不会输出， %为注释符号 变量打印 a = pi % 输出a = 3.1416 disp(a) % 输出 3.1416 % disp为打印函数 disp(sprintf('2 decimals: %0.2f',a)) % 阅读全文
摘要：
引例：当房价受房屋面积、卧室数量、楼层、房屋年龄等多个因素影响时的线性回归算法是什么样的？ 房屋面积 卧室数量 楼层 房屋年龄 房价($1000) 2104 5 1 45 460 1416 3 2 40 232 1534 3 2 30 315 852 2 1 36 178 … …. …. … …. 阅读全文
摘要：
矩阵(向量是只有一行或者一列的矩阵) m行n列的矩阵简称m x n矩阵，记为： 行向量B和列向量A 矩阵加法(同型矩阵才能相加) 矩阵A和B都是m x n矩阵： 矩阵加法运算规律 A + B = B + A (A + B) + C = A + (B + C) 矩阵数乘 数k与m x n型矩阵相乘：等 阅读全文
摘要：
引例：以房价和房屋面积作为训练集，学习如何预测房价 m代表训练集(样本)的数量 x代表输入变量或者自变量(特征)， 这里代表房屋面积 y代表输出变量或者因变量(标签)，这里代表房价 (x, y)表示一个训练样本，(x(i), y(i))表示第i个训练样本 单变量线性回归算法的实现过程 训练集(房屋面 阅读全文
摘要：
什么是机器学习？ 机器学习是通过数据或者经验，优化计算机程序等性能标准，自动改进计算机的算法，以达到解决未知问题的目标 监督学习 计算机通过学习一组有标签的信息来对从未见过对数据做出有用对预测 监督学习的代表算法：回归和分类 回归处理连续值问题：房价预测等 分类处理离散值问题邮件分类(垃圾和非垃圾) 阅读全文
摘要：
基于tensorflow搭建的神经网络(Netural Network, NN)模型 一、实现过程 准备数据集，提取特征，输入NN 搭建NN结构，从输入到输出(前向传播：先搭建计算图，再用会话执行) 大量特征输入NN，迭代优化NN参数(反向传播：优化参数) 使用训练好的模型预测和分类 二、张量(te 阅读全文
摘要：
Redis keys命令 1 # key存在时删除key 2 del key 3 4 # 序列化给定key, 并返回被序列化的值 5 dump key 6 7 # 检查给定key是否存在 8 exists key 9 10 # 为指定key 设置过期时间(s) 11 expire key secon 阅读全文
摘要：
Redis 简介 Redis是开源免费，遵守BSB协议，是一个高性能的key-value数据库 Redis支持数据的持久化，提供String,List,Set,ZSet,Hash等数据结构等存储，支持数据的备份(master-slave模式的数据备份) Redis读写性能极高(读：110000次/s 阅读全文
摘要：
降低损失：减少模型预测和标签之间的误差 迭代方法：在训练机器学习模型时，首先对权重和偏差进行初始猜测，然后反复调整这些猜测，直到获得损失可能最低的权重和偏差为止 梯度下降法 假设我们有时间和计算资源来计算 w1 的所有可能值的损失。对于我们一直在研究的回归问题，所产生的损失与 w1 的图形始终是凸形 阅读全文
摘要：
监督学习：机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测 机器学习的基本术语 标签：要预测的事物，即简单线性回归中的y变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。 特征：输入变量，即简单线性回归中的x变量。简单的机器学习项目可能会使用单个特征 阅读全文