影醉阏轩窗

衣带渐宽终不悔，为伊消得人憔悴。
扩大
缩小

2017年10月31日

StanFord ML 笔记 第二部分

摘要： 本章内容： 1.逻辑分类与回归 sigmoid函数概率证明 >>>回归 2.感知机的学习策略 3.牛顿法优化 4.Hessian矩阵 牛顿法优化求解： 这个我就不记录了，看到一个非常完美的说明+演示+实际操作：http://www.matongxue.com/madocs/205.html#/mad 阅读全文

posted @ 2017-10-31 19:11 影醉阏轩窗 阅读(195) 评论(0) 推荐(0) 编辑

StanFord ML 笔记 第一部分

摘要： 本章节内容： 1.学习的种类及举例 2.线性回归，拟合一次函数 3.线性回归的方法： A.梯度下降法 >>>批量梯度下降、随机梯度下降 B.局部线性回归 C.用概率证明损失函数(极大似然函数) 监督学习：有实际的输入和输出，给出标准答案做参照。比如：回归的运算，下面有例子。 非监督学习：内有标准答案 阅读全文

posted @ 2017-10-31 01:42 影醉阏轩窗 阅读(417) 评论(0) 推荐(0) 编辑

导航

/* 线条鼠标集合 */ /* 鼠标点击求赞文字特效 */ //带头像评论