ML_amateur的博客

我们的第一个机器学习算法——线性回归算法。有时我们把这个算法也称为Batch梯度下降算法，每一步下降都遍历了整个训练集的样本。模型描述在监督学习中我们有一个数据集，这个数据集被称训练集。假使我们回归问题的训练集（Training Set）如下表所示：符号定义：m表示训练样本的数量x表示输入变量（或者特征）y表示输出变量（预测的目标变量）（x，y）表示一个训练样本（x（i）...

矩阵和向量矩阵是二维数组的另一种说法。矩阵的维数即行数×列数。Aij指第i行，第j列的元素。向量是一种特殊的矩阵，是只有一列的矩阵。通常在书写时，使用大写字母表示矩阵，小写字母表示向量。加法和标量乘法矩阵向量乘法矩阵乘法...

多功能之前探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，构成一个含有多个变量的模型，模型中的特征为（x1,x2,…,xn）。符号定义：n代表特征的数量x表示输入变量（或者特征），y表示输出变量（预测的目标变量），x^(i)表示第 i个训练实例，是特征矩阵中的第i行，是一个向量（vector）。xj^(i)代表特征矩阵中第 i行的第 j个特征，也就是第 i个训练...

机器学习是目前最激动人心的技术之一。我们每天都会多次用到学习算法，例如每当我们使用Google或Bing等搜索引擎时，它能给出如此满意的结果，原因之一就是Google或微软使用的学习算法学会了如何给网页排序。

基本操作移动数据

分类逻辑回归算法是分类算法，它适用于标签 y取值离散的情况。对于分类，Y是0或1，如果使用线性回归，假设hθ(x)的输出值会远大于1或小于0，这样的结果会有些奇怪。于是，考虑造特殊函数使0=<hθ(x)<=1，也就是使用Logistic回归的方法。假设陈述我们引入一个新的模型，逻辑回归，该模型的输出变量范围始终在0和1之间。逻辑回归模型的假设是： X代表特征向量，g代表逻...

1.欧氏距离（Euclidean Distance）欧式距离全称是欧几里距离，源自欧式空间中两点间的距离公式。1.平面空间内两点a(x1,y1),b(x2,y2)的欧式距离为：2.三维空间里的欧氏距离2.马氏距离（Mahalanobis Distance）基础知识1.方差：方差是标准差的平方，而标准差的意义是数据集中各个点到均值点距离的平均值。反应的是数据的离散程度。2.协方差：...