标签：font 技术 统计 9.png 梯度下降 大量 下标 depend dev
监督学习：分类和回归
非监督学习：聚类和非聚类
1.分类和聚类的区别：
分类(Categorization or Classification)就是按照某种标准给对象贴标签(label)，再根据标签来区分归类。
聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。
2.回归和分类的区别：
当我们试图预测的目标变量是连续的时，例如在我们的住房例子中，我们把学习问题称为回归问题。当y只能取一小部分离散值时(例如，考虑到居住区域，我们想预测一个住宅是房子还是公寓)，我们称之为分类问题。
单个特征：
成本函数：
的添加是为了以后便于计算
梯度下降法：
学习速率ɑ选择不能太大也不能太小。
拿线性回归拟合为例，则梯度下降过程如下：
多个特征
hypothesis function（假设函数）
：可理解为第i个样本的第0个属性值为1，这样设置是为了便于θ’和X的矩阵运算
（试着将θ理解为平衡各个特征的权重）
（统计学习方法.李航中上标下标表示的意思与这里相反）
它可以使得梯度下降的速度加快从而优化梯度下降法
μi表示所有样本的第i个属性（特征）的平均值
Si表示所有样本第i个属性（特征）中（最大值－最小值），或者叫standard deviation（标准差）
当数据用线性拟合不太好时可以考虑用多项式回归，例如二次三次多项式甚至平方根
Normal Equations 的由来
假设我们有m个样本。特征向量的维度为n。因此，可知样本为{(x(1),y(1)), (x(2),y(2)),... ..., (x(m),y(m))},其中对于每一个样本中的x(i),都有x(i)={x1(i), xn(i),... ...,xn(i)}。令 H(θ)=θ0 + θ1x1 +θ2x2+... + θnxn，则有
若希望H(θ)=Y，则有
X · θ = Y
我们先来回忆一下两个概念：单位矩阵 和 矩阵的逆，看看它们有什么性质。
（1）单位矩阵E
AE=EA=A
（2）矩阵的逆A-1
要求：A必须为方阵
性质：AA-1=A-1A=E
再来看看式子 X · θ = Y
若想求出θ，那么我们需要做一些转换：
step1：先把θ左边的矩阵变成一个方阵。通过乘以XT可以实现，则有
XTX · θ = XTY
step2：把θ左边的部分变成一个单位矩阵，这样就可以让它消失于无形了……
(XTX)-1(XTX) · θ = (XTX)-1XTY
step3：由于(XTX)-1(XTX) = E，因此式子变为
Eθ = (XTX)-1XTY
E可以去掉，因此得到
θ = (XTX)-1XTY
这就是我们所说的Normal Equation了。
Normal Equation VS Gradient Descent
Normal Equation 跟 Gradient Descent（梯度下降）一样，可以用来求权重向量θ。但它与Gradient Descent相比，既有优势也有劣势。
优势：
Normal Equation可以不在意x特征的scale。比如，有特征向量X={x1, x2}, 其中x1的range为1~2000，而x2的range为1~4，可以看到它们的范围相差了500倍。如果使用Gradient Descent方法的话，会导致椭圆变得很窄很长，而出现梯度下降困难，甚至无法下降梯度（因为导数乘上步长后可能会冲出椭圆的外面）。但是，如果用Normal Equation方法的话，就不用担心这个问题了。因为它是纯粹的矩阵算法。
劣势：
相比于Gradient Descent，Normal Equation需要大量的矩阵运算，特别是求矩阵的逆。在矩阵很大的情况下，会大大增加计算复杂性以及对计算机内存容量的要求。
什么情况下会出现Normal Equation不可逆，该如何应对？
（1）当特征向量的维度过多时（如，m <= n 时）
解决方法：① 使用regularization方式
or ②delete一些特征维度
（2）有redundant features（也称为linearly dependent feature）
例如， x1= size in feet2
x2 = size in m2
feet和m的换算为 1m≈3.28feet所以，x1 ≈ 3.282 * x2, 因此x1和x2是线性相关的（也可以说x1和x2之间有一个是冗余的）
解决方法：找出冗余的特征维度，删除之。
梯度下降法和正规方程法的优劣比较：
标签：font 技术 统计 9.png 梯度下降 大量 下标 depend dev
原文地址：http://www.cnblogs.com/oceantang/p/7117883.html
