發(fā)簡信
IP屬地：江西
-
（史上最詳細）批量梯度下降算法翼岁、隨機梯度下降算法、小批量梯度下降算法python代碼實現(xiàn)
偽代碼： 批量梯度下降法（Batch Gradient Descent）:Repeat until convergence{} 隨機梯度下降法（...
-
機器學習——邏輯回歸??線性回歸用于處理因變量是連續(xù)量的預測問題罗晕，而邏輯回歸是解決二分類的問題（邏輯回歸名字叫“回歸”其實解決的是分類問題）千埃。邏輯回歸的結果只有兩種...
-
利用爬蟲Scrapy中的LinkExtractor（鏈接提取器）爬租房信息（全站爬蟲）??從圖上可以看到每一條出租房屋信息憔儿，主要包括：價格，戶型放可，面積谒臼，樓層，裝修耀里，類型蜈缤，所在區(qū)，小區(qū)冯挎，出租方式底哥，朝向，鄰近的地鐵線房官。 ??下面叠艳，跳過...
-
機器學習——線性回歸（二）梯度下降求解
??在上文中利用矩陣運算的方法對損失函數(shù)進行優(yōu)化，但其有一定的局限性易阳，其要求矩陣必須可逆附较，下面用梯度下降的方法對其進行優(yōu)化。 ??初始化潦俺，沿著負...
-
機器學習——線性回歸（一）矩陣求解什么是線性回歸 ??相對于其他算法來說線性回歸的原理相對簡單拒课，而且它的表現(xiàn)形式與我們數(shù)學中的線性方程較為相似徐勃，更加利于大家所理解。所以線性回歸一...
-
機器學習——拉格朗日對偶
拉格朗日對偶與凸優(yōu)化早像、拉格朗日乘子僻肖、KKT條件有著密切的聯(lián)系，KKT條件可以通過朗格朗日對偶推到得到卢鹦。 步入正題 原問題 對于一...
-
機器學習——求解優(yōu)化問題的Lagrange乘子法臀脏、KKT條件優(yōu)化問題一般是給定一個函數(shù)f(x)，求這個函數(shù)在給定作用域上的最小值（若是求最大值可通過加負號轉化為最小值問題）冀自。 在高等數(shù)學上揉稚，常用的函數(shù)...
-
機器學習中的凸優(yōu)化機器學習中為什么要強調(diào)凸優(yōu)化？ 凸優(yōu)化在數(shù)學規(guī)劃領域具有非常重要的地位熬粗。工程中大量的問題最終都可以歸結為一個優(yōu)化問題搀玖，包括且不限于雷達、...