相关阅读
相关 我的人工智能之旅——引子
人工智能 不想人云亦云，于是来刨别家祖坟，一探究竟。 人工智能，一个热得不知所措的话题。就跟当年的“云”一样，聊得臭大街了，但什么是云？就想把你绕晕，其实都在云里雾里。
骑猪看日落相关 我的人工智能之旅——微积分基础
1.导数 从一元函数图像上看，某一点的导数，即曲线在该点的切线。 ![70][] 一个函数在某一点的导数，描述了这个函数在这一点附近的变化率。 当函数f(x)的自变
拼搏现实的明天。相关 我的人工智能之旅——线性回归
本文将涉及以下知识点 （1）线性关系 （2）线性回归 （3）假设函数 （4）代价函数 （5）学习速率 （6）梯度下降 （7）特征向量 相关的线性代数或微积分知识
相关 我的人工智能之旅——线性代数基础
1.矩阵 矩阵，matrix，为m行n列的数据阵列。例如下例，为4x3阶矩阵。 ![70][] 2.方阵 mxn阶矩阵的m=n时，称为方阵，n阶方阵。 
淩亂°似流年相关 我的人工智能之旅——逻辑回归
本文，将涉及以下知识点， （1）决策边界，decision boundary （2）凸函数，convex function （3）非凸函数，non convex func
相关 我的人工智能之旅——基本数学基础
1.自然常数 自然常数e，为无限不循环小数，数值约为2.71828...，其数学定义为![\\lim\_\{x\\rightarrow \\infty \}\{(1+\\
相关 我的人工智能之旅——神经网络
神经元，neuron 神经网络，Neural Networks 激活函数，activation function 权重，weight 输入层，input layer
相关 我的人工智能之旅——正则化
无论线性回归，还是逻辑回归，都需要对假设函数进行设定。而假设函数的设定，将影响到预测结果的准确性。因此，如何判断假设函数是否合适，以及如何修改假设函数将变得十分重要。本文，我们
相关 我的人工智能之旅——偏斜类问题
偏斜类问题 正样本数占样本总数的比例极小时，容易出现偏斜类问题。 例如癌症测试。样本集合中仅有0.5%的癌症样本，99.5%的正常样本。通过某一假设函数后，得到1%为癌
相关 我的人工智能之旅——概率统计基础（更新中）
偏差体现的是，学习算法的期望预测与真实结果的偏离程度。通常出现在欠拟合的情况下。 方差体现的是，同样大小的训练集的变动所导致的学习性能的变化。通常出现在过拟合的情况下。训练效
还没有评论，来说两句吧...