1.機器學習的主要任務：一是將實例數據划分到合適的分類中，即分類問題。 而是是回歸， 它主要用於預測數值型數據，典型的回歸例子：數據擬合曲線。 2.監督學習和無監督學習： 分類和回歸屬於監督學習，之所以稱之為監督學習，是因為這類算法必須直到預測什么，即目標變量的分類信息。 對於無 ...

回歸就是預測數值，而分類是給數據打上標簽歸類。 本例中使用一個2次函數加上隨機的擾動來生成500個點，然后嘗試用1、2、100次方的多項式對該數據進行擬合。 擬合的目的是使得根據訓練數據能夠擬合出一個多項式函數，這個函數能夠很好的擬合現有數據，並且能對未知的數據進行預測 ...

一、LR分類器（Logistic Regression Classifier） 在分類情形下，經過學習后的LR分類器是一組權值w0,w1, …, wn，當測試樣本的數據輸入時，這組權值與測試數據按照線性加和得到x = w0+w1x1+w2x2+… wnxn，這里x1,x2 ...

一、Linear Regression 線性回歸是相對簡單的一種，表達式如下 其中，θ0表示bias，其他可以看做weight，可以轉換為如下形式 為了更好回歸，定義損失函數，並盡量縮小這個函數值，使用MSE方法（mean square equal） 縮小方法采用梯度下降 ...

機器學習基礎（二） 目錄 機器學習基礎（二） 3 分類算法 3.1 常用分類算法的優缺點？ 3.2 分類算法的評估方法 3.3 正確率能很好的評估分類算法嗎 3.4 什么樣的分類器是最好 ...

邏輯回歸詳細推導：http://lib.csdn.net/article/machinelearning/35119 面試常見問題：https://www.cnblogs.com/ModifyRong/p/7739955.html 1、LR和SVM有什么相同點 　　（1）都是監督分類 ...

一、概念 分類：通過訓練集訓練出來一個模型，用於判斷新輸入數據的類型，而在訓練的過程中，一定需要有標簽的數據，即訓練集本身就帶有標簽。簡單來說，用已知的數據來對未知的數據進行划分。這是一種有監督學習。 聚類：對於一組數據，你根本不知道數據之間的關系，不知道他們是否屬於同一類，抑或屬於不同類 ...

解決簡單的線性二分類，在眾多的機器學習分類算法中並不出眾，但它能被改進為多分類，並換了另外一個名字soft ...