17篇文章 · 47527字 · 16人關注
-
機器學習入門（十八）：一種“寬容”的回歸模型
嚴格的線性回歸 之前我們講過線性回歸：在向量空間里用線性函數(shù)去擬合樣本。 該模型以所有樣本實際位置到該線性函數(shù)的綜合距離為損失减江，通過最小化損失來...
-
機器學習入門（十七）：SVM——非線性 SVM 和核函數(shù)
非線性分類問題 遇到分類問題的時候，最理想的狀態(tài)乏屯，當然是樣本在向量空間中都是線性可分的柳骄，我們可以清晰無誤地把它們分隔成不同的類別——線性可分 S...
-
機器學習入門（十六）：SVM——線性 SVM，間隔由硬到軟
從線性可分 SVM 到線性 SVM 從現(xiàn)實情況引出線性 SVM 線性可分 SVM仰迁，這種 SVM 學習的訓練數(shù)據(jù)本身就是線性可分的——可以很清晰地...
-
機器學習入門（十五）：SVM——對偶學習算法
對偶問題 上一篇我們用 x 和 y 各代表一個維度甸昏，用 z=f(x,y) 和 g(x,y)=0 分別代表一個二元函數(shù)和一個一元函數(shù)。這樣做是為了...
-
機器學習入門（十三）：SVM——線性可分 SVM 原理
之前我們講過的幾個模型：線性回歸徐许、樸素貝葉斯施蜜、邏輯回歸和決策樹，其背后數(shù)學原理的難度屬于初級绊寻。而接下來要講的 SVM 和 SVR 則上升到了中級...
-
機器學習入門（十二）：決策樹——告訴你 Hello Kitty 是人是貓
Hello Kitty 的種族問題 Hello Kitty花墩，一只以無嘴造型40年來風靡全球的萌萌貓悬秉，在其40歲生日時，居然被其形象擁有者宣稱：H...
-
機器學習入門（十一）：決策樹——既能分類又能回歸的模型
決策樹 前面我們講了線性回歸和樸素貝葉斯分類模型冰蘑。前者只能做回歸和泌，后者只能做分類。但本文中要講的決策樹模型祠肥，卻既可以用于分類武氓，又可以用于回歸。 ...
-
機器學習入門（十）：邏輯回歸——用來做分類的回歸模型
現(xiàn)在我們回到 LR 模型本身仇箱。 回歸模型做分類 從前面關于分類與回歸的定義來看县恕，分類模型和回歸模型似乎是涇渭分明的。輸出離散結(jié)果的就是用來做分類...
-
機器學習入門（九）：邏輯回歸——非線性邏輯函數(shù)的由來
邏輯回歸 今天我們要講的模型叫做 Logistic Regression （LR）剂桥，一般翻譯為邏輯回歸忠烛。 LR 是一種簡單、高效的常用分類模型—...
