一、引言 本材料参考Andew Ng大神的机器学习课程http://cs229.stanford.edu,以及斯坦福无监督学习UFLDL tutorialhttp://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial 机器学习中的回归问题属于有监督.....
分类:
其他好文 时间:
2014-10-31 22:09:46
阅读次数:
221
由于第一次实验的实验报告不在这台机器,先写这一算法吧。SGDLR(the Stochastic Gradient Descent for Logistic Regression),要讲解这一算法,首先要把名字拆为几块。1 随机 2 梯度下降 3逻辑回归先贴一篇文章:http://blog.csdn....
分类:
编程语言 时间:
2014-10-31 21:53:01
阅读次数:
389
机器学习算法 原理、实践与实战 —— 分类、标注与回归1. 分类问题分类问题是监督学习的一个核心问题。在监督学习中,当输出变量$Y$取有限个离散值时,预测问题便成为分类问题。监督学习从数据中学习一个分类决策函数或分类模型,称为分类器(classifier)。分类器对新的输入进行输出的预测,这个过程称...
分类:
其他好文 时间:
2014-10-31 13:36:09
阅读次数:
1179
机器学习算法 原理、实现与实战——模型评估与模型选择1. 训练误差与测试误差机器学习的目的是使学习到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。假设学习到的模型是$Y = \hat{f}(X)$,训练误差是模型$Y = \hat{f}(X)$关于训练数据集的平均损失:$$R_{emp}(...
分类:
其他好文 时间:
2014-10-31 11:20:27
阅读次数:
311
机器学习算法原理、实现与实践——监督学习机器学习包括监督学习、非监督学习、半监督学习及强化学习,这里先讨论监督学习。 监督学习的任务是学习一个模型,使模型能够对任意给定的输入,对其相应的输出做出一个好的预测。1 基本概念1.1 输入空间、特征空间与输出空间输入与输出所有可能取值的集合分别称为输入空间...
分类:
其他好文 时间:
2014-10-31 09:57:32
阅读次数:
461
机器学习算法原理、实现与实践——机器学习的三要素1 模型在监督学习中,模型就是所要学习的条件概率分布或决策函数。模型的假设空间包含所有可能的条件概率分布或决策函数。例如,假设决策函数是输入变量的线性函数,那么模型的假设空间就是这些线性函数构成的函数的集合。假设空间用$\mathcal{F}$表示。假...
分类:
其他好文 时间:
2014-10-31 09:57:04
阅读次数:
4030
机器学习原理、实现与实践——机器学习概论如果一个系统能够通过执行某个过程改进它的性能,这就是学习。 ——— Herbert A. Simon1. 机器学习是什么计算机基于数据来构建概率统计模型并运用模型对数据进行预测与分析的一门学科。从上面的机器学习的定义中,我们可以了解到以下的信息:机器学习以计算...
分类:
其他好文 时间:
2014-10-31 09:52:52
阅读次数:
242
阅读导读:
1.如何搭建RHadoop开发环境?
2.搭建RHadoop和Hadoop环境搭建的区别?
3.如何执行rmr2任务?
4.hadoop命令与RHadoop命令有哪些区别?
环境准备
首先环境准备,这里我选择了Linux Ubuntu操作系统12.04的64位版本,大家可以根据自己的使用习惯选择顺手的Linux。
但JDK一定要用Oracle SU...
分类:
其他好文 时间:
2014-10-30 23:57:06
阅读次数:
416
上一个博文,我们讲了Linear Regression, gradient descent, normal equations和Locally weighted linear regression,这次博文我们重点来学习Logistic regression,这是机器学习非常重要的一种回归模型,可....
分类:
其他好文 时间:
2014-10-30 22:10:48
阅读次数:
273
这几天在看《统计学习方法》这本书,发现 梯度下降法在 感知机 等机器学习算法中有很重要的应用,所以就特别查了些资料。 一.介绍 梯度下降法(gradient descent)是求解无约束最优化问题的一种常用方法,有实现简单的优点。梯度下降法是迭代算法,每一步需要求解目标函数的梯度向量。二.应用...
分类:
其他好文 时间:
2014-10-30 20:54:29
阅读次数:
895