机器学习基础笔记 | 10 – 梯度下降的高级优化
先复习一下梯度下降 这里介绍三种优化算法： Conjugate gradient（共轭梯度法） BFGS L- …
代码
机器学习基础笔记 | 9 – 分类问题
定义 分类问题是一个应用很广的问题，比如邮件是不是垃圾等等 可以抽象成以下表达式 0常常代指“没有什么东西”， …
机器学习基础笔记 | 8 – 向量化
一般来说，用编程语言的数学模块，会比迭代算法快的多 这些模块都是资深的专业人士优化过的，其性能相当好 下面给出 …
机器学习基础笔记 | 7 – 正规方程法
这种方法能够直接解决我们之前需要慢慢迭代的梯度下降问题，一步到位 比如对于这个函数 直接进行求导，使其导数 = …
机器学习基础笔记 | 6 – 回归模型的选择
假设列出了一个预测房价的公式，是根据长宽来预测房价 这个假设可能比较牵强，其实可以选择更合适的参数来作为方程的 …
机器学习基础笔记 | 5 – 梯度下降优化之学习率
上述图表示的是代价函数的值随着迭代次数变化逐渐变小的过程 一般来说，这条曲线有以下特征： 每次迭代都应该使代价 …
机器学习基础笔记 | 4 – 梯度下降优化之特征收缩
对于梯度下降法来说，参数特征值的变异范围越小，其运算越高效 比如一栋房子的面积是0-2000之间 卧室是1-5 …
机器学习基础笔记 | 3 – 多元线性回归与梯度下降
假设我们的样本更加复杂，一个房子的价格会被卧室数量，楼层，年限和面积共同 影响，目标是做出一个模型，来预测自己 …
机器学习基础笔记 | 2 – 梯度下降方法
当我们处理有两个待估计参数的线性回归的时候，大致思路是如下的。 列出代价函数（这个可能只是代价函数中的一种）： …
Python的正则表达式
在学习Python的正则表达式之前，首先要学习标准的正则表达式理论，以下就主要介绍标准的正则表达式知识 定义 …