首先，我们来看一个例子。你有一个朋友，他有一套750平方英尺的房子，他来问你能卖多少钱。然后，你就找来了附近房子的最近买卖信息，然后把面积跟房价画了一条曲线出来。（注：例子与图来自Andrew NG的machine learning课程。）如图，我们知道的只是上面一些点，横坐标是面积，纵坐标是房价。现在你要怎么预测朋友的房子卖多少钱呢？开始，你觉得这些点像一条直线，于是就画了一条直线去进过尽量多的
转载
2024-04-08 21:13:01
45阅读
提升树是以分类树或回归树为基本分类器的提升算法。每个基本分类器的预测结果并不是最终结果，仅仅是最终结果的一个累加量。算法简介上一篇博客讲到，提升算法需要解决两个基本问题：更改训练数据集或更改训练数据集的权重，以便下一基本分类器预测。各个基本分类器之间如何线性组合 。 以CART回归树为例，其解决这两个问题的方法就是：以上一轮的组合树预测结果的残差作为当前的训练数据集y。对回归而言，平方误差逐渐减小
多元线性回归模型常见问题及解决方法概要多元线性回归模型 基本假设 (1)随机扰动项ui数学期望(均值)为零。E(ui)=0 (2)随机扰动项ui的同方差性且无自相关Var(ui)=σ2 (3)解释变量X列线性无关。R(Xn×k)=K (4)随机扰动项ui与解释变量X不相关。cov(ui,X)=0 异方差性的定义 对于线性回归模型 同方差性假设为 如果出现 即对于不同的样本点，随机误差项的方差不再是
转载
2023-09-11 20:54:18
67阅读
# OpenStack 网络类型的选择与应用
OpenStack 是一个用于构建和管理云计算平台的强大工具。它提供了丰富的组件，使得用户可以根据自己的需求选择合适的服务。网络是云计算架构中至关重要的一部分，而 OpenStack 也为网络提供了多种解决方案。本文将探讨 OpenStack 中主要的网络类型，以及如何选择适合生产环境的网络类型，并附带示例代码与图表展示。
## OpenStack
原创
2024-10-21 06:08:54
49阅读
本系列是七月算法机器学习课程笔记 文章目录1 不同类型的学习2 基本术语与概念3 线性回归模型3.1 什么是线性回归3.2 损失函数3.3 最小化损失函数-梯度下降3.4 学习率有什么影响3.5 过拟合与欠拟合4 逻辑回归4.1 为什么要有逻辑回归4.2 什么是逻辑回归4.3决策边界线性边界判定非线性边界判定4.4 损失函数4.5 多分类问题5 混淆矩阵评判标准 1 不同类型的学习机器学习：监督学
转载
2024-05-13 20:36:30
51阅读
基于深度学习和迁移学习的识花实践（转）
深度学习是人工智能领域近年来最火热的话题之一，但是对于个人来说，以往想要玩转深度学习除了要具备高超的编程技巧，还需要有海量的数据和强劲的硬件。不过 TensorFlow 和 Keras 等框架的出现大大降低了编程的复杂度，而迁移学习的思想也允许我们利用现有的模型加上少量数据和训练时间，取得不俗的效果。这篇文章将示范如何利用迁移
转载
2024-09-18 12:01:06
24阅读
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)4.1深层神经网络（Deep L-layer neural network）严格来说，逻辑回归也是一个一层的神经网络。有一个隐藏层的神经网络就是一个两层神经网络。计算神经网络时不计入输入层，只计隐藏层和输出层。 有些函数只有深层的神经网络可以学会，对于任何给定的问题很难提前预测到底需要多深的神经网络，
转载
2023-08-30 16:33:54
395阅读
线性回归（Linear Regression）是统计学中常用的方法，也是机器学习中基础的算法。线性回归算法是利用最小平方函数对一个或多个自变量和目标变量（也称因变量）之间关系进行建模的一种回归分析。假设有n个数据点，我们可以用下面的矩阵形式表示数据： 其中X矩阵中有n 行数据代表了n个数据点，而每一行则代表一个k维的数据点，Y中每一行是数据点x对应的目标变量y，通常为连续数值
转载
2024-04-06 08:36:19
138阅读
在一些其他场景中，我们的模型输出可能是一个图像类别这样的离散值，对于这样的离散值预测问题，可以使用 softmax 回归的分类模型。1.1 分类问题在一个简单图像分类问题中，输入图像的高和宽均是 2 像素，色彩为灰度，可以将图像中的 4 像素分别记为 ，假设训练集中图像的真实标签为狗、猫和鸡，也就是说通过这4种像素可以表示出这三种动物，这些标签对应着 &
转载
2024-05-24 09:12:31
44阅读
目录回归问题：基本步骤：以线性模型为例step1：模型假设，选择模型框架（线性模型）step2：模型评估，如何判断众多模型的好坏（损失函数）step3：模型优化，如何筛选最优的模型（梯度下降）进一步地：1.引入1元N次线性函数以构建更强大复杂的模型。 2.输入处理 3.正则化 Regularizationdemoref回归问题：建立输入输出的映射关系，相较于分类问题，回归问题的
转载
2023-12-15 11:25:29
29阅读
[原创]什么是回归测试所谓回归测试，即就是在软件生命周期中，只要软件发生了改变，就可能给该软件产产生问题；所以，每当软件发生变化时， 我们就必须重新测试现有的功能，以便确定修改是否达到了预期的目的，检查修改是否破坏原有的正常功能。 其实仅单纯从英文单词Regress很好理解:return to a worse or less developed state.即是退化，衰退的意思， 检查软件
几个基本概念为了接下来的讲解方便，这里先告诉大家几个基本概念。1回归问题与分类问题回归(regression)与分类(classification)是机器学习中的两大类问题。上面我们举的计算圆形面积的例子就属于回归问题，即我们的目的是对于一个输入x，预测其输出值y，且这个y值是根据x连续变化的值。分类问题则是事先给定若干个类别，对于一个输入x，判断其属于哪个类别，即输出一般是离散的，比如本课程将会
转载
2023-11-06 16:52:26
53阅读
机器学习：用初等数学解读逻辑回归 作者：龙心尘、寒小阳 措施如下 （1）群内定期组织分享有分享能力者不限名额，学习者数量少于分享者，按申请顺序排序。 为了降低理解难度，本文试图用最基础的初等数学来解读逻辑回归，少用公式，多用图形来直观解释推导公式的现实意义，希望使读者能够对逻辑回归有更直观的理解。 “ 逻辑回归问题的通俗几何描述
逻辑回归处理的是分类问题。我们可以用通俗的几何
如果你像我一样，你可能会在你的回归问题中使用R平方(R平方)、均方根误差(RMSE)和均方根误差(MAE)评估指标，而不用考虑太多。??
原创
2024-05-20 11:09:54
396阅读
单层神经网络有线性回归和softmax回归。线性回归输出是一个连续值，因此适用于回归问题。而与回归问题不同，分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病诊断等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。下面我们依次介绍线性回归和softmax回归。一、线性回归1、模型训练设房屋面积为，房龄为，售出的价格为。我们需要建立基于输入和来计算
转载
2023-11-02 20:45:19
116阅读
目录一. 线性回归1.1 回归（regression）：1.2 线性回归的基本元素：1.3 线性模型：1.4 损失函数 二. 基础优化算法 2.1 梯度下降2.2 小批量随机梯度下降 三. 矢量化加速四. 正态分布与平方损失五. 总结六. 神经网络专栏一. 线性回归1.1 回归（regressio
转载
2023-08-10 15:44:05
281阅读
RCNN=R+CNN 定义： R:Region Proposal(候选区域)； CNN:Convolutional Neural Network(卷积神经网络)； 作用： R:用于解决定位问题； CNN:用于解决识别问题；定位的问题的解决思路？ 思路一：看作回归(Regression)问题 目的：预测出(x,y,w,h)四个参数的值，从而得出方框的位置。 步骤一：搭建一个识别图像的人
转载
2024-01-10 20:25:40
513阅读
最近在刷吴恩达的coursea的机器学习视频，学完基于梯度下降的逻辑回归和基于梯度下降的神经网络后，就在反思这两者之间的区别，为什么必须使用神经网络？逻辑回归不能替代神经网络么？他们的区别是什么呢？ 答案：逻辑回归不能替代神经网络。 机器学习的本质其实是训练出一组参数，尽可能让基于这组参数的模型能正确识别出所有的样本。然而，逻辑回归所有参数的更新是基于相同的
转载
2023-08-13 22:50:17
145阅读
神经网络-逻辑回归目录 神经网络-逻辑回归目录逻辑回归概念tips梯度下降绘制计算分析图方法逻辑回归中的梯度下降简单的算法描述矢量化tipsnumpy广播机制引起的隐形 bug 以及解决回顾深度学习训练步走 逻辑回归概念定义： LossFun: costFun: tips这里不用普通 L1Loss 的原因：使用 L1loss 会使得 GD无法找到全局最优解(因为不是凸函数)costFun
转载
2023-10-08 19:17:24
98阅读
五个要实现的函数，获取数据、获取权重、网络架构、损失函数、优化器。
原创
2023-07-28 14:01:55
69阅读
