一、引子 對于非線性的分類問題，當(dāng)自變量較多的時(shí)候，用之前的回歸的方法就會非常復(fù)雜，因?yàn)樵谖覀円獢M合的函數(shù)項(xiàng)的可能性會爆炸。例如，如果我們有100個(gè)自變量（x1、x2、x3....
發(fā)簡信
IP屬地：上海
-
【神經(jīng)網(wǎng)絡(luò)】表征 -
-
【機(jī)器學(xué)習(xí)】分類問題
假設(shè)函數(shù)的表達(dá)式 邏輯回歸模型 我們希望 0≤h≤1，可以設(shè)h=g(θ.T x）令g(z)=1/(1+e^(-z))這個(gè)函數(shù)g叫做sigmoid 函數(shù)，又叫做logistic...
-
【線性回歸】多元的線性回歸
〇、數(shù)學(xué)表示 n: 特征量的維度 下圖表示第i個(gè)樣本的特征向量的第j個(gè)特征分量 h(x)=θ0x0+θ1x1+θ2x2+θ3x3+...+θnxn=Θ.T Xx0=1 一、多...
-
【線性回歸】梯度下降梯度下降在整個(gè)機(jī)器學(xué)習(xí)中都很重要 〇、問題回顧 找到θ0、θ1，最小化代價(jià)函數(shù)J(θ0,θ1) outline 初始化θ0，θ1 調(diào)整θ0、θ1，減小J直到J最?。ㄈ绾握{(diào)整呢...
-
【監(jiān)督學(xué)習(xí)】模型和代價(jià)函數(shù)一、監(jiān)督學(xué)習(xí)的模型 m：訓(xùn)練樣本數(shù)目 x：輸入變量/特征量 y：輸出變量/目標(biāo)變量 (x(i),y(i))：第i個(gè)訓(xùn)練樣本 x(i)：第i個(gè)訓(xùn)練樣本的特征量 y(i)：第i個(gè)...
-
【機(jī)器學(xué)習(xí)】關(guān)于
本文集是本人在coursera上學(xué)習(xí)吳恩達(dá)-機(jī)器學(xué)習(xí)的筆記。相關(guān)說明會在這一頁上更新。 課程主頁https://www.coursera.org/learn/machine-...
-
【機(jī)器學(xué)習(xí)】Intro
機(jī)器學(xué)習(xí)誕生于AI的相關(guān)工作，其誕生得益于計(jì)算機(jī)性能的提升。 一、機(jī)器學(xué)習(xí)的應(yīng)用 數(shù)據(jù)挖掘 無法編程的問題：自動直升機(jī)、筆跡識別、大多數(shù)的NLP、計(jì)算機(jī)視覺 自適應(yīng)程序：推薦...
-
python-opencv
python 3.6.2cv2 〇、tips np array 表示的是矩陣，下標(biāo)第一唯是行號，對應(yīng)y坐標(biāo)，第二唯是列號，對應(yīng)x坐標(biāo)。cv對圖像做操作時(shí)，則是按照空間關(guān)系（x...
-
清醒夢之一：找不到的柜子
這是一個(gè)大型觀眾席，舞臺上在發(fā)生什么，似乎沒有人關(guān)心。我腿上放著筆電，似乎在忙碌什么。 旁邊的小A合上她的筆電，說：可以走了，別浪費(fèi)時(shí)間了。 走，自由地走嗎？ 我不想扛著沉重...
-
class1-intro
〇、目標(biāo) 實(shí)時(shí)繪制：15-60fps30+才會流暢 高分辨率 CPU負(fù)荷很大 物理、AI（npc智能化）、聲音、 網(wǎng)絡(luò)…… 圖形需求 高速內(nèi)存訪問、高帶寬、浮點(diǎn)數(shù)的運(yùn)算（Fl...
-
-
@燁然v 不同的部分不是你的創(chuàng)造。
每個(gè)人的內(nèi)心都有一幅畫（我的84幅作品）
每個(gè)人的內(nèi)心都有一幅畫。 先來看比利時(shí)“超現(xiàn)實(shí)主義”大師雷內(nèi).馬格里特的作品 沒有哪位畫家能像雷內(nèi)馬格里特那樣如此成功地展現(xiàn)潛藏在人們內(nèi)心深處的夢的世界，他那神妙莫測的想象力...
-
@燁然v 在我看來只能算作一幅。
每個(gè)人的內(nèi)心都有一幅畫（我的84幅作品）
每個(gè)人的內(nèi)心都有一幅畫。 先來看比利時(shí)“超現(xiàn)實(shí)主義”大師雷內(nèi).馬格里特的作品 沒有哪位畫家能像雷內(nèi)馬格里特那樣如此成功地展現(xiàn)潛藏在人們內(nèi)心深處的夢的世界，他那神妙莫測的想象力...
