通常，你选择交给学习算法处理的特征的方式对算法的工作过程有很大影响。 例：在前面的例子中，用x1表示房间大小。通过线性回归，在横轴为房间大小，纵轴为价格的图中，画出拟合曲线。回归的曲线方程为：\(\theta_0+\theta_1x_1\),如下边最左边的图。 若定义特征集合为：x1表示房子大小，x... ...
分类：
其他好文 时间：
2017-10-08 16:55:13
阅读次数：
258
转自穆晨 阅读目录 前言 基本线性回归解决方案 - 最小二乘法 最小二乘法的具体实现 局部加权线性回归 岭回归 具体方案的制定 小结 阅读目录 前言 基本线性回归解决方案 - 最小二乘法 最小二乘法的具体实现 局部加权线性回归 岭回归 具体方案的制定 小结 回到顶部 前言 本文将系统的介绍机器学习中 ...
分类：
其他好文 时间：
2017-10-08 16:53:09
阅读次数：
129
转自穆晨 阅读目录 前言 回归树 回归树的优化工作 - 剪枝 模型树 回归树 / 模型树的使用 小结 转自穆晨 阅读目录 前言 回归树 回归树的优化工作 - 剪枝 模型树 回归树 / 模型树的使用 小结 回到顶部 前言 前文讨论的回归算法都是全局且针对线性问题的回归，即使是其中的局部加权线性回归法， ...
分类：
编程语言 时间：
2017-10-08 16:52:07
阅读次数：
367
监督学习：分类和回归属于监督学习。这类算法必须知道预测什么，即目标变量的分类信息。 常见算法：k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归 无监督学习：数据没有类别信息，不给定目标值。 常见算法：K-均值、最大期望算法、DB ...
分类：
其他好文 时间：
2017-07-24 16:30:08
阅读次数：
116
本文主要解说局部加权(线性)回归。在解说局部加权线性回归之前，先解说两个概念：欠拟合、过拟合。由此引出局部加权线性回归算法。 欠拟合、过拟合 例如以下图中三个拟合模型。第一个是一个线性模型。对训练数据拟合不够好，损失函数取值较大。如图中第二个模型，假设我们在线性模型上加一个新特征项，拟合结果就会好一 ...
分类：
其他好文 时间：
2017-06-23 14:17:27
阅读次数：
164
机器学习就是把无序的数据转换成实用的信息。 机器学习的主要任务就是分类，通过通过训练数据训练算法，终于能够将实际的数据分到合适的类别中 监督学习算法：预測目标变量的值 k-means算法。线性回归 朴素贝叶斯算法，局部加权线性回归 支持向量机。ridge回归 决策树。lasso最小回归系数预计 无监 ...
分类：
其他好文 时间：
2017-05-06 21:57:45
阅读次数：
167
线性回归创建模型需要拟合所有的样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间关系十分复杂的时候，构建全局模型的想法就显得太难了，也略显笨拙。而且，实际生活中很多问题都是非线性的，不可能使用全局限性模型来拟合任何数据。 一种可行的方法是将数据集切分成很多份易建模的数据，然后再利用线性回 ...
分类：
其他好文 时间：
2016-12-24 22:28:50
阅读次数：
203
1.简单介绍 线性回归方法可以有效的拟合所有样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间关系十分复杂时，构建全局模型的想法一个是困难一个是笨拙。此外，实际中很多问题为非线性的，例如常见到的分段函数，不可能用全局线性模型来进行拟合。 树回归将数据集切分成多份易建模的数据，然后利用线性... ...
分类：
其他好文 时间：
2016-08-14 15:56:18
阅读次数：
284
首先我们来看一个线性回归的问题，在下面的例子中，我们选取不同维度的特征来对我们的数据进行拟合。 对于上面三个图像做如下解释： 选取一个特征，来拟合数据，可以看出来拟合情况并不是很好，有些数据误差还是比较大 针对第一个，我们增加了额外的特征，，这时我们可以看出情况就好了很多。 这个时候可能有疑问，是不 ...
分类：
其他好文 时间：
2016-08-13 07:42:23
阅读次数：
120
本章内容□ 线性回归□ 局部加权线性回归□ 岭回归和逐步线性回归□ 预测鲍鱼年龄和玩具售价 8.1用线性回归找到最佳拟合直线 ...
分类：
其他好文 时间：
2016-05-01 20:25:38
阅读次数：
314
