回归与梯度下降： 回归在数学上来说是给定一个点集，能够用一条曲线去拟合之，如果这个曲线是一条直线，那就被称为线性回归，如果曲线是一条二次曲线，就被称为二次回归，回归还有很多的变种，如locally weighted回归，logistic回归，等等，这个将在后面去讲。 用一个很简单的例子来说明回归，这 ...
分类：
其他好文 时间：
2017-06-01 21:01:20
阅读次数：
256
1 监督学习 利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的 (1) 分类: 当输出是离散的, 学习任务为分类任务 输入: 一组有标签的训练数据(也叫观察和评估), 标签表明了这些数据(观察)的所属类别, 图中"猫"和"狗"就是标签 输出 ...
分类：
其他好文 时间：
2017-05-26 13:28:22
阅读次数：
361
概率统计与机器学习的关系概率问题是已知整体的情况下判定样本（整体推个体）
统计问题是概率问题的逆向工程（个体推整体）
机器学习监督学习中，首先根据样本及样本标签训练出模型（个体推整体），再根据模型对样本标签进行预测（整体推个体）。 统计估计的是分布，机器学习训练出来的是模型，模型可能包含了很多分布。
训练与预测过程的一个核心评价指标就是模型的误差。
误差本身就可以是概率的形式，与概率紧密...
分类：
其他好文 时间：
2016-05-13 00:04:48
阅读次数：
353
流数据：（1）传感器数据 （2）图像、视屏数据 （3）互联网数据 （4）业务数据机器学习：（1）监督学习：给定训练集，预测测试集。训练集包括数据和响应。常见的有监督学习包括分类和回归。（2）无监督学习：该训练集中只包括特征，没有人工标注的目标。常见的务监督学习方法包括聚类和密度估计。（3）半监督学习...
分类：
其他好文 时间：
2015-08-25 18:36:37
阅读次数：
1114
**机器学习笔记—-监督学习与无监督学习的异同**有监督学习在监督学习中，输入数据和输出数据存在某种关系，即在已经给定的数据集下，对应的正确输出结果，已经大约知道是什么样子了。有监督学习常常被归类为 回归 和 分类 问题。在回归问题中，我们希望得到连续值的输出预测值，即，使用某些连续函数来映射输入值。在分类问题中，则希望获得的是离散的预测值。将输入值映射到离散的种类上。...
分类：
其他好文 时间：
2015-07-06 17:53:46
阅读次数：
124
分类模型如下： 回归问题：学习的结果是连续的，比如房价等等
分类问题：学习的结果是非连续的，分成某几个类
梯度下降例子：
：条件：
对于输入X有n个特征值。X = {x1,x2,x3,x4,.......,xnx_1, x_2, x_3, x_4, ....... ,x_n}
一共有m组输入。X1,X2,......,XmX_1, X_2, ...... , X_m
结果：
根据给出的数据得到函数...
分类：
其他好文 时间：
2015-06-20 17:06:49
阅读次数：
207
分类模型如下： 回归问题：学习的结果是连续的，比如房价等等
分类问题：学习的结果是非连续的，分成某几个类
回归问题(Regression)例子：
：条件：
对于输入X有n个特征值。X = {x1,x2,x3,x4,.......,xnx_1, x_2, x_3, x_4, ....... ,x_n}
一共有m组输入。X1,X2,......,XmX_1, X_2, ...... , X_m
结果：...
分类：
其他好文 时间：
2015-06-19 10:40:03
阅读次数：
180
