- 博客(4)
- 收藏
- 关注
RSS订阅原创 机器学习之逻辑回归
文章目录一、逻辑回归的形式二、参数的估计三、代码实现一、逻辑回归的形式如何使用线性模型进行分类任务？可以用广义线性模型解决：求一个单调可微的函数将分类任务的真实标记与线性回归模型的预测值联系起来。考虑二分类任务，其输出标记为{1，0}，而线性回归的预测值z=wTx+bz=w^Tx+bz=wTx+b是实值，于是我们需要将实值转换为{0,1}值，最理想的是“单位阶跃函数”，但是它存在一个问题，那就是函数不连续，于是又找到一个替代函数sigmoidy=11+e−zy = \frac {1} {1+e^{
2021-10-14 12:01:05
80
原创 机器学习之线性回归
文章目录一、基本形式二、线性回归三、代码实现一、基本形式给定由d个属性描述的实例x=(x1,x2,...,xd)x=(x_1,x_2,...,x_d)x=(x1,x2,...,xd),其中xix_ixi是xxx在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数，即f(x)=w1x1+w2x2+...+wdxd+bf(x)=w_1x_1+w_2x_2+...+w_dx_d+bf(x)=w1x1+w2x2+...+wdxd+b一般向量形式写成f(x)=WT
2021-10-13 16:04:23
105
原创 模型的评估方法
前言大部分都是按照周志华老师的西瓜书来敲的，也记录下自己学习的步伐，加深自己对这部分知识的理解，提高语言组织能力。一 经验误差与过拟合通常我们把分类错误的样本占全部样本的比例称为“错误率”，即如果m个样本中有a个样本是被错误分类的，那错误率就是E = a/m；相应的，我们把1-a/m称为精度。更一般来说，我们把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”，学习器在训练数据集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”。显然，我们需要的就是泛化误差小的学习器，
2021-09-30 20:03:56
1203
原创 统计学习概述
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例
2021-09-29 21:04:04
178
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人