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- ...

FPGA机器学习之stanford机器学习第三堂1

FPGA机器学习之stanford机器学习第三堂1相关推荐

最新文章

热门文章