博文

线性回归的优化

2020-6-27 15:14

一元线性回归优化过程，求解一元回归的最优解，同样的，类似思路可以用到多元回归中。 本质是：求导 = 0 其中， L 表示 损失函数 ，即为目标函数。 点滴分享，福泽你我！Add oil！

个人分类: 机器学习|1893 次阅读|没有评论

L1、L2范数与机器学习建模经典流程、基本学科概念

2020-6-27 14:56

（一）L1与L2范数一般用在正则项中，有时也用于线性回归的目标函数中。 （二）机器学习建模经典流程 （三）机器学习、深度学习与人工智能（AI） 机器学习（常用机器学习算法） 深度学习 人工智能（AI） 点滴分享，福泽你我！Add oil！

个人分类: 机器学习|2989 次阅读|没有评论

最小二乘法

2020-6-27 14:51

寻找拟合六个点的最佳直线，评估一条线到底好不好，那就需要一个评估标准，对于线性回归的简单标准就是计算一个误差，可以计算误差的平方和（也可以求绝对值之和，但计算复杂一些），即最小二乘法。 点滴分享，福泽你我! Add oil！

个人分类: 机器学习|3370 次阅读|没有评论

基准（Baseline）

2020-6-27 14:42

对于AI搭建模型解决问题时，要遵循的一个法则是寻找基准，即模型搭建和选择通常是由易到难，从而知道AI模型需要达到的目标精度， 对于分类问题来说，一个好的基准是LR（Logistic Regression）--逻辑回归； 对于回归问题来说，一个好的基准是线性回归。 点 ...

个人分类: 机器学习|2492 次阅读|没有评论

正则化+过拟合/欠拟合+交叉验证

2020-6-27 14:29

（一）正则化 正则化： https://www.jianshu.com/p/69b962945b2a 如上图中的第二个坐标，随着模型参数的增加，训练集的误差会慢慢减少。从第一个坐标和最后一个坐标可以直观感受到这种效果。因为模型参数少的时候，模型不能很好地拟合训练集的数据，所以偏差就比较大。当模型参数足够多时， ...

个人分类: 机器学习|3173 次阅读|没有评论

关于公司名称的英文缩写

2020-6-25 15:36

（一）问题由来 GmbH, Bhd, Mfg, Sdn, 名称CO、LTD、CO.,LTD、Inc.、Corp.、BV、NV、S.A.、S.A. de C.V.、AG、Mfy、Mfg、GmbH、Sdn.Bhd、Bhd、LLP、PLC、est、FZC、Fzco、FZES.R.O.、LLC、JSC、OJSC、s.r.l.、s.a.r.l.、S.P.A.、AB、OY、k.k.、Y.K、PT、TBK、Pte、PVT、PTY ...

个人分类: 基础知识|19490 次阅读|没有评论

本页有 4 篇博文因作者的隐私设置或未通过审核而隐藏