标签:不能 文章 reg ati 最优 调整 put super 训练
强化学习、推荐系统
利用一组已知类别的样本来调整分类器的参数。也被分为regression和classificaiton问题
对房价进行预测(连续)
对于连续数据的又称 regression问题
肿瘤预测(离散)
对于离散数据又称为classification问题。
支持向量机:处理无限长特征
没有标签,只有数据集,判断出不同的聚类
网站中将类型相同文章进行分类
识别不同人,按照基因相同部分进行分类
非聚类
鸡尾酒问题
给出混合信号,分理处每个人的独立信号。用octave工具可轻松处理。
工具:octave matlab
给定一个训练数据集,(x(i),y(i)) 。X表示输入,Y表示输出。得到一个从X->Y的映射函数h.
(梯度下降算法)
定义:不断调整找到使得任何代价函数取值最小的参数θ0,θ1.(不止是线性回归代价函数)
过程:
同时调整θ0,θ1,直到局部最优解处停止,learning rate不能太大太小。
不断调整参数使得假设函数越来越精确。
标签:不能 文章 reg ati 最优 调整 put super 训练
原文地址:https://www.cnblogs.com/lizyang/p/9410580.html