IP屬地：浙江
-
-
@青松予 剛看了一眼，應該是我編輯公式的時候疏忽了炒刁，應該是Xi夜惭，謝謝指正
程序員的機器學習筆記－第三篇 線性回歸
前三篇筆記介紹了機器學習的一些基本概念以及理論基石劳跃，從這篇筆記開始我們就進入到具體的一個個模型的學習了癌蚁。其實關于理論和概念還有很多內(nèi)容沒有介紹到，但是不結(jié)合具體的模型...
-
一篇簡單易懂的原理文章疫鹊，讓你把JVM玩弄與手掌之中
jvm原理 Java虛擬機是整個java平臺的基石袖瞻，是java技術實現(xiàn)硬件無關和操作系統(tǒng)無關的關鍵環(huán)節(jié)，是java語言生成極小體積的編譯代碼的運行平臺订晌，是保護用戶機器免受惡意...
-
你好，看到你的留言后我剛剛重新驗算了下蚌吸，結(jié)果是正確的锈拨，令5，6二式為0后解得的W0和W1的結(jié)果和文章中的結(jié)果是一致的羹唠。
程序員的機器學習筆記－第三篇 線性回歸
前三篇筆記介紹了機器學習的一些基本概念以及理論基石奕枢，從這篇筆記開始我們就進入到具體的一個個模型的學習了。其實關于理論和概念還有很多內(nèi)容沒有介紹到佩微，但是不結(jié)合具體的模型...
-
@對社會有用的猿 式1.2不是蘊含真實函數(shù)不止一個缝彬，實際情況是式1.2是基于這樣的假設前提得出的：試圖用一個算法模型解決所有的二分類問題而不是某個具體的問題，而且每個問題對應的那個真實函數(shù)可以是任意的哺眯。
在這種前提下谷浅，這個“通用”算法所有問題上的誤差總和是由1.2式描述的。程序員的機器學習筆記－第一篇 NFL定理
在前一篇筆記中介紹了一些機器學習中的基本概念奶卓，其中提到了“模型”和“假設空間”的概念一疯，也說過“統(tǒng)計學習首先要考慮的問題是學習什么樣的模型，模型確定了夺姑，模型的假設空間自然就確定...
-
@JR_Wang 謝謝你的鼓勵竹海！最近事情多就有點懈怠了慕蔚，好在有你提醒，我一定會繼續(xù)寫下去的站削！
程序員的機器學習筆記－第四篇 梯度下降
我們在上一篇筆記中使用最小二乘法得到的目標函數(shù)是一個形式簡單的2次函數(shù)坊萝，它是一個凸函數(shù)，對它的各個參數(shù)求偏導并令偏導為0后得到的是一個線性方程組许起，如果這個線性方程組存在唯一解...
-
程序員的機器學習筆記－第四篇 梯度下降我們在上一篇筆記中使用最小二乘法得到的目標函數(shù)是一個形式簡單的2次函數(shù)十偶，它是一個凸函數(shù)，對它的各個參數(shù)求偏導并令偏導為0后得到的是一個線性方程組园细，如果這個線性方程組存在唯一解...
-
去年所有好片好劇我全打包了惦积，沒一部低于9
狗年將至，年貨敲門猛频。 今年狮崩，承蒙毒飯不離不棄，Sir給大家準備了一件大禮包—— 過去一年的鹿寻。 9分睦柴。 111部。 故事電影毡熏、電視劇坦敌、紀錄片全都有。 目的就一個—— 讓你過年加...
-
程序員的機器學習筆記－第三篇 線性回歸
前三篇筆記介紹了機器學習的一些基本概念以及理論基石，從這篇筆記開始我們就進入到具體的一個個模型的學習了财搁。其實關于理論和概念還有很多內(nèi)容沒有介紹到蘸炸，但是不結(jié)合具體的模型...
-
程序員的機器學習筆記－第二篇 機器學習有效性
在上一篇筆記中，我們討論了NFL定理尖奔，該定理指出不結(jié)合具體問題去比較學習算法之間的優(yōu)劣是沒有意義的搭儒。那么如果針對具體的問題我們又可能會提出如下的一些問題： 1. 為了獲得一個...
-
程序員的機器學習筆記－第一篇 NFL定理在前一篇筆記中介紹了一些機器學習中的基本概念仗嗦，其中提到了“模型”和“假設空間”的概念，也說過“統(tǒng)計學習首先要考慮的問題是學習什么樣的模型甘凭，模型確定了稀拐，模型的假設空間自然就確定...
-
程序員的機器學習筆記－第〇篇 緒論
這篇文章是我的“程序員的機器學習筆記”系列的第一篇，之所以要寫這個筆記一是希望自己能有所提高丹弱，畢竟總結(jié)的過程也是二次學習的過程德撬；二呢铲咨，是希望給有意愿轉(zhuǎn)到機器學習方向的...
