概念： 通常机器学习每一个算法中都会有一个目标函数，算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中，通常使用损失函数（代价函数）作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。 refer:https://blog.csdn.n ...
分类：
其他好文 时间：
2018-04-28 10:53:04
阅读次数：
391
一元线性回归模型 样本数量m 输入变量x 输出变量y 训练样本（x,y） 第i个训练样本（，） 假设函数： 模型参数 代价函数： 优化目标： 算法： 1.梯度下降法 具体解法： 2.正规方程法 ...
分类：
其他好文 时间：
2018-04-20 23:42:29
阅读次数：
230
该笔记介绍的是《卷积神经网络》系列第四周：特殊应用（2)神经风格转换 主要内容有： 1.神经风格转换 2.卷积网络隐藏单元可视化显示 3.神经风格转换代价函数 4.内容代价函数 5.风格代价函数 *6.数据从一维到三维的推广 神经风格转换 把C(content)内容图片转化为风格类似S(style) ...
分类：
其他好文 时间：
2018-04-15 21:05:16
阅读次数：
221
十、应用机器学习的建议 10.1 决定下一步做什么 很多时候我们会发现我们通过最小化代价函数获得的模型所预测的值和真实值有很大的偏差(其实就是泛化能力差)，此时我们可以在训练完之后对我们的模型进行诊断测试。测试模型的有效性 10.2 评估一个hypothe假设 一个好的hypothesis是即要代价 ...
分类：
其他好文 时间：
2018-04-15 16:20:20
阅读次数：
358
监督学习算法工作流程 h代表假设函数，h是一个引导x得到y的函数 如何表示h函数是监督学习的关键问题 线性回归：h函数是一个线性函数 代价函数 在线性回归问题中，常常需要解决最小化问题。代价函数常用平方误差函数来表示 代价函数就是用于找到最优解的目的函数，这也是代价函数的作用 ps：尽可能简化问题去 ...
分类：
其他好文 时间：
2018-04-08 00:14:06
阅读次数：
199
Softmax回归 Contents [hide] 1 简介 2 代价函数 3 Softmax回归模型参数化的特点 4 权重衰减 5 Softmax回归与Logistic 回归的关系 6 Softmax 回归 vs. k 个二元分类器 7 中英文对照 8 中文译者 简介 在本节中，我们介绍Softm ...
分类：
其他好文 时间：
2018-04-01 13:10:24
阅读次数：
221
逻辑回归的本质是最大似然估计 逻辑回归的输出是 分别表示取1和取0的后验概率。将上面两式联系起来得到 取似然函数 再取对数 最大似然估计就是求使似然函数最大的参数θ。此时可以使用梯度上升法优化代价函数 取负号和求平均后得到J函数 此时就是求使J函数最小的参数θ。接下来用梯度下降法优化。 ...
分类：
其他好文 时间：
2018-03-25 12:11:25
阅读次数：
686
作者：zzanswer链接：https://www.zhihu.com/question/52398145/answer/209358209来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 举个例子解释一下:（图片来自Andrew Ng Machine Learning ...
分类：
其他好文 时间：
2018-03-20 18:14:53
阅读次数：
200
一.逻辑回归问题（分类问题） 其中g(z)被称为逻辑函数或者Sigmiod函数，其函数图形如下： 理解预测函数hθ(x)的意义：其实函数hθ(x)的值是系统认为样本值Y为1的概率大小，可表示为hθ(x)=P(y=1|x;θ)=1-P(y=0|x;θ). 代价函数（Cost Function）J(θ) ...
分类：
其他好文 时间：
2018-03-19 22:18:17
阅读次数：
425
一、前向传播 w 权重 b 偏差 a 输入 一般地，我们可以把前向传播过程表示： 2. 损失函数和代价函数 损失函数主要指的是对于单个样本的损失或误差； 代价函数表示多样本同时输入模型的时候总体的误差——每个样本误差的和然后取平均值。 3. 反向传播 反向传播的基本思想 就是通过计算输出层与期望值之 ...
分类：
其他好文 时间：
2018-03-06 10:52:21
阅读次数：
182
