Machine Learning~初探
最近接觸了機器學習，感覺很夢幻，能實現的我的夢想，看網上說的花天酒地的難，但是想做就要做下去，毅然決然的跳入這個大坑。
讓我們慢慢來，先懟它幾個概念。
監督學習
我們給出了關於每個數據的“正確答案”。監督學習必須知道預測什麽，即目標變量的分類信息。
監督學習中又有常見的兩種問題回歸問題和分類問題。
回歸問題
回歸一詞指的是我們根據之前的數據預測出一個準確的連續輸出值。
分類問題
當我們想要預測離散的輸出值。
幾個常用術語
- m:訓練樣本
- y‘s:輸出特征/變量
- x‘s:輸入特征/變量
- (x‘i,y‘i):第i組訓練樣本
監督學習的過程
給定一個訓練集（m），一個函數h：x -> y，h（x）是預測Y對應值的一個指標，稱為假設。圖片為過程：
這是一個學習房屋價格的學習過程。
- Training set:訓練數據
- Learning algorithm:學習算法
- h:hypthesis(假設),一個函數
- x:輸入變量
- y:輸出變量
轉變為線性回歸的話可以寫成 h(x) = a + bx ，b就是斜率，a就是y軸截點，是不是很像y = kx + b。
等之後的梯度下降就知道其作用了。（待續）
Machine Learning~初探
相關推薦
Machine Learning~初探
Y軸 ron 當我 什麽 http 過程 網上 數據 大坑 最近接觸了機器學習，感覺很夢幻，能實現的我的夢想，看網上說的花天酒地的難，但是想做就要做下去，毅然決然的跳入這個大坑。 讓我們慢慢來，先懟它幾個概念。 監督學習 我們給出了關於每個數據的“正確答案”。監
machine learning--L1 ,L2 norm
lan font 更多 ora net 例如 參數 而已 內容 關於L1範數和L2範數的內容和圖示，感覺已經看過千百遍，剛剛看完此大牛博客http://blog.csdn.net/zouxy09/article/details/24971995/，此時此刻終於弄懂了那麽
Ng第十一課：機器學習系統的設計(Machine Learning System Design)
未能 計算公式 pos 構建 我們 行動 mic 哪些 指標 11.1 首先要做什麽 11.2 誤差分析 11.3 類偏斜的誤差度量 11.4 查全率和查準率之間的權衡 11.5 機器學習的數據 11.1 首先要做什麽 在接下來的視頻將談到機器
[Machine Learning (Andrew NG courses)]V. Octave Tutorial (Week 2)
img and learning text net con fonts http .net [Machine Learning (Andrew NG courses)]V. Octave Tutorial (Week 2)
Machine Learning in Action-chapter2-k近鄰算法
turn fma 全部 pytho label -c log eps 數組 一.numpy()函數 1.shape[]讀取矩陣的長度 例： import numpy as np x = np.array([[1,2],[2,3],[3,4]]) print x
Ng第十七課：大規模機器學習(Large Scale Machine Learning)
在線 src 化簡 ima 機器學習 learning 大型數據集 machine cnblogs 17.1 大型數據集的學習 17.2 隨機梯度下降法 17.3 微型批量梯度下降 17.4 隨機梯度下降收斂 17.5 在線學習 17.6 映射化簡和數據並行
Machine Learning：Neural Network---Representation
white div and for 設計 rop out fcm multi Machine Learning：Neural Network---Representation 1。Non-Linear Classification 假設還採取簡
Machine Learning — 關於過度擬合（Overfitting）
機器學習 gis ear http 問題 正則化 數據集 技術 wid 機器學習是在模型空間中選擇最優模型的過程，所謂最優模型，及可以很好地擬合已有數據集，並且正確預測未知數據。 那麽如何評價一個模型的優劣的，用代價函數（Cost function）來度量預測錯誤的程度。代
Machine Learning — 邏輯回歸
url home mage 簡化 bsp 線性 alt 邏輯回歸 sce 現實生活中有很多分類問題，比如正常郵件/垃圾郵件，良性腫瘤/惡性腫瘤，識別手寫字等等，這些可以用邏輯回歸算法來解決。 一、二分類問題 所謂二分類問題，即結果只有兩類，Yes or No，這樣結果｛0，
<Machine Learning in Action >之二 樸素貝葉斯 C#實現文章分類
options 直升機 water 飛機 math mes 視頻 write mod def trainNB0(trainMatrix,trainCategory): numTrainDocs = len(trainMatrix) numWords =
Coursera - Machine Learning, Stanford: Week 10
minimal machine mini ica dataset pri text -c summary Overview Gradient Descent with Large Datasets Learning With Large Datasets
useful links about machine learning
ear target 課程 nfa learn pic href learning 資料 機器學習(Machine Learning)&深度學習(Deep Learning)資料(Chapter 1) 機器學習(Machine Learning)&深度學
Machine Learning——DAY1
優劣 大量 mach spa http pin bsp -1 ica 監督學習：分類和回歸 非監督學習：聚類和非聚類 1.分類和聚類的區別： 分類(Categorization or Classification)就是按照某種標準給對象貼標簽(label)，再根據標簽來區分
Machine Learning——octave的操作（1）——DAY2
mil 畫出 基礎上 isp res 增加 rand nbsp span 1.PS1(‘>>’); ——不顯示版本 2.輸出： a=pi; format long format short（4位） disp(sprintf(‘%0.2f’,a)) 3.矩陣的輸入
Optimization and Machine Learning（優化與機器學習）
compute war limit label right whether computer itself phy 這是根據（ShanghaiTech University）王浩老師的授課所作的整理。 需要的預備知識：數分、高代、統計、優化 machine learning
Machine Learning - week 2 - Multivariate Linear Regression
learning itl 技術分享 隨著 刪除 mean 9.png ear 可能性 Gradient Descent in Practice - Feature Scaling Make sure features are on a similar scale. Fe
Machine Learning第十一周筆記：photo OCR
添加 tor ref border 彩色 amp rip nec lock 博客已經遷移至Marcovaldo’s blog (http://marcovaldong.github.io/) 剛剛完畢了Cousera上Machine Learning的
Machine Learning - week 1
坐標 如何選擇 dia ner lin spa wikipedia img 一半 Matrix 定義及基本運算 Transposing To "transpose" a matrix, swap the rows and columns. We put a "T" i
Machine Learning - week 3 - Overfitting
mac features pro 2-2 gradient png wid 解決 logistic The Problem of Overfitting 如果有太多的 features，假設可能與訓練數據太匹配了以致於預測未來的數據不準確。如下圖： 解決 overf
Machine Learning - week 4 - 習題
返回 cnblogs -c 乘法 image alt learning png round 1. 第一個。，是對的。 第二個。結果只會認出是一類，如圖：。所以和為 1。 第三個：所有基於 0，1 的邏輯方程都可以使用神經網絡來表示。真值表是有限的，所以可以。