FPGA机器学习之stanford机器学习第三堂1
请注意:csdn那边的博客http://blog.csdn.net/my_share。因为那边审核的时间太长。搬迁入这里。stanford机器学习前2堂在CSDN的博客里面。
刚开始他写了,这个公式第二堂讲的,是梯度下降法,预测房价的那个。
第二堂讲的线性回归,我们假设的房价的预测可以用线性方程来拟合。那只是一个假设量。其实可以用多次函数拟合。按照视频的说法就是,如果你只有7个样本,你就可以用一个6次函数完成拟合。这个结论可以记住,其实我csdn里面关于神经网络中隐层数量设计的时候,也涉及到这一点。具体原因我不是很明白,可是这个现象理解。
如果完全拟合的话,并不能说明你拟合的很好,也有可能是你的数据样本采集的不正确。
过拟合就是说,仅仅是拟合了某种特定状况的行为特征。而没有反应出房价和面积的真正规律。
locally weighted linear regression
局部加权线性回归。从表面上看局部加权线性回归还是线性回归,所以基本结构还是一样的。不过区别在于,
这个是上一堂线性回归的要求。
这个是加权线性回归。多了一个w是权系数。而这个w呢??
这里这个T呢。叫带宽系数,是我们自己设定的。和a学习系数的性质差不多。从这个式子可以看出,其实是用周边的点,来拟合当前的点。离的远的贡献就低一些,也就是关联性不强。这样拟合的就准确一些。
按照老师的说法是,w的函数还在讨论中,仅仅是e指数比较合适。
这个函数每一次预测都需要重新局部训练,具体怎么回事??还是看视频吧。好像是每次都是局部拟合,而且线性。用周边的来预测。说明局部加权回归这里的i是当前附近的几个点,在训练的结果。而最终拟合成非线性函数。
好像这个是每一次预测都需要重新学习重新拟合,所以数据量大的时候,代价很大。
epsilon希腊字母,表示的是error,表示那些没有被表示出来的特征。被遗忘的参考因素等。
这里的误差模型为什么选用高斯分布,第一个它只是一个方便的讨论模型,第二个,目前最合适的。
...............未完待续。
我能力有限,但是我努力的将学习成果分享。到这里就是我今天所学到的新知识,一起学习一起努力吧。
转载于:https://www.cnblogs.com/maohuawang/p/3805209.html
FPGA机器学习之stanford机器学习第三堂1相关推荐
- FPGA机器学习之stanford机器学习第三堂2
我写的第三堂的,发布不了,丢失. 所以,暂时不敢写了.可能要在CSDN里面在写一次了. 转载于:https://www.cnblogs.com/maohuawang/p/3807230.html
- Stanford机器学习---第4讲. 神经网络的表示 Neural Networks representation
转载自:http://blog.csdn.net/hellotruth/article/details/37995427 本栏目(Machine learning)包括单参数的线性回归.多参数的线性回 ...
- 【机器学习】SVM学习(三):线性分类器的求解
[机器学习]SVM学习(三):线性分类器的求解 2016-10-10 19:56 239人阅读 评论(0) 收藏 举报 本文章已收录于: 机器学习知识库 分类: 机器学习(37) 目录(?)[+ ...
- Stanford机器学习---第十一讲.异常检测
Stanford机器学习---第十一讲.异常检测 参考文章: (1)Stanford机器学习---第十一讲.异常检测 (2)https://www.cnblogs.com/jingsupo/p/sta ...
- 《机器学习》阅读笔记(三)
<机器学习>阅读笔记(三) 3 线性模型(linear model) 3.1 基本形式 设 ddd:属性个数 x=(x1;x2;-;xd)\boldsymbol{x}=(x_1;x_2;\ ...
- 机器学习和深度学习的三点关键区别
机器学习和深度学习的三点关键区别 最简单.最重要的三点区别 深度学习是机器学习的一种子类,通常我们讲的机器学习是传统机器学习方法,比较也是建立于传统机器学习和深度学习两者的区别. 学习的东西不同 训练 ...
- matlab 职坐标,机器学习入门之机器学习实战ByMatlab(三)K-means算法
本文主要向大家介绍了机器学习入门之机器学习实战ByMatlab(三)K-means算法,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助.K-means算法属于无监督学习聚类算法,其计算步 ...
- Python机器学习算法入门教程(三)
Python机器学习算法入门教程(三) 构建线性回归模型 一次函数 构建线性模型 假设函数图像 梯度下降求极值 导数 偏导数 梯度下降 sklearn应用线性回归算法 实现线性回归算法 准备数据 线性 ...
- 【斯坦福公开课-机器学习】1.机器学习的动机和应用(吴恩达 Andrew Ng)
文章目录 0三个目标 0先修课程要求 基本工具 1-网址 2-邮箱 3-本系列课程链接 1机器学习的定义 1-1非正式定义 1-2正式的定义 2监督学习(Supervised Learning) 2- ...
最新文章
- php内核分析-fpm和df的问题思考
- linux2.6添加新硬盘,Linux_TurboLinux11添加新硬盘方法,一.Linux的硬盘识别2.6 kernel - phpStudy...
- Linux网络编程 | 事件处理模式:Reactor模式、Proactor模式
- js中的Object.create(null) 和 {} 的区别
- vue 左侧菜单隐藏_vue.js 左侧二级菜单显示与隐藏切换的实例代码
- Hdu 5036 Explosion
- 诗与远方:无题(八十一)
- Scala学习笔记01:Scala概述、安装配置、简单使用
- django权限系统实现步骤_博主营地 | Unity红点系统如何实现?超全步骤分享
- api php usdt 以太坊_以太坊PHP离线交易开发包
- 汉高澳大利亚sinox2014电影播放flash最好的办法是安装游戏windows文本firefox
- paip.银行卡号的效检
- ios查看帧率的软件_【iOS测试】【随笔】帧率FPS评测
- Java学习笔记(五):Complex类的设计及加减乘除运算的实现
- 读易[2]·该出手时就出手(乾卦)
- win10没有远程网络网关_加强远程工作网络安全的10种方法
- 【渝粤教育】电大中专电子商务网站建设与维护 (5)作业 题库
- TIM基本定时器——定时
- Matlab--创建函数(function)
- 数据结构 (C++)笔记6 (有序列表 排序器)
热门文章
- 【复习】操作系统第一章
- 计算机中心防雷电安全措施,防雷电有哪些安全措施
- 【接口测试】【postman】postman通过脚本获取Token并自动加入请求头实现Token的参数化
- php 跳转到指定url_PHP想要实现页面跳转功能具体怎么操作?(函数标签示例)...
- android 缩进轮播图,如何利用纯css实现图片轮播
- oracle日志表设计,数据库设计 – 数据库日志表结构
- mysql proxy 管理_ProxyMySQL的Admin管理接口
- iis php 0x80070032,访问网站时 HTTP 错误 404.17 - Internet Information Services | Microsoft Docs...
- 后台启动_Windows10中如何阻止程序在后台运行
- 字符串格式化成时间格式_小程序wxs中的时间格式化以及格式化时间和date时间互转...