一、邏輯回歸 1) Classification(分類) 分類問題舉例： 郵件：垃圾郵件/非垃圾郵件？ 在線交易：是否欺詐（是/否）？ 腫瘤：惡性/良性？ 以上問題可以稱之為二分類問題，可以用如下形式定義： 其中0稱之為負例，1稱之為正例。 對於多分類問題 ...

本文是Andrew Ng在Coursera的機器學習課程的筆記。 Logistic回歸屬於分類模型。回顧線性回歸，輸出的是連續的實數，而Logistic回歸輸出的是[0,1]區間的概率值，通過概率值來判斷因變量應該是1還是0。因此，雖然名字中帶着“回歸”（輸出范圍常為連續實數 ...

1.梯度下降法 在介紹梯度下降法之前，先介紹下泰勒公式，泰勒公式的基本形式如下： $f(x)=f({{x}_{0}})+{{f}^{'}}({{x}_{0}})(x-{{x}_{0}})+\frac{1}{2}{{f}^{''}}({{x}_{0}}){{(x-{{x ...

先來回顧一下梯度下降法的參數更新公式： （其中，α是學習速率，是梯度） 這個公式是怎么來的呢？下面進行推導： 首先，如果一個函數 n 階可導，那么我們可以用多項式仿造一個相似的函數，這就是泰勒展開式。其在a點處的表達式如下： 可以看出，隨着式子的展開，這個展 ...

梯度下降法 梯度下降法（英語：Gradient descent）是一個一階最優化算法，通常也稱為最速下降法。 要使用梯度下降法找到一個函數的局部極小值，必須向函數上當前點對應梯度（或者是近似梯度）的反方向的規定步長距離點進行迭代搜索。如果相反地向梯度正方向迭代進行搜索，則會接近函數的局部極大值點 ...

一個典型的機器學習的過程，首先給出一組輸入數據X，我們的算法會通過一系列的過程得到一個估計的函數，這個函數有能力對沒有見過的新數據給出一個新的估計Y，也被稱為構建一個模型。 我們用X1、X2...X ...

回歸與梯度下降 回歸在數學上來說是給定一個點集，能夠用一條曲線去擬合之，如果這個曲線是一條直線，那就被稱為線性回歸，如果曲線是一條二次曲線，就被稱為二次回歸，回歸還有很多的變種，如locally weighted回歸，logistic回歸 ...

通過學習斯坦福公開課的線性規划和梯度下降，參考他人代碼自己做了測試，寫了個類以后有時間再去擴展，代碼注釋以后再加，作業好多： 　　　　　　　　　　圖1. 迭代過程中的誤差cost ...