Hike News
Hike News

機器學習-非監督學習- K-means

Introduction非監督學習:dataset只有特徵值,沒有目標值 把具有相近特徵的數據歸為一個類別,稱為聚類(物以類聚,人以群分) 聚類通常在分類之前進行,才進行分類(預測類別) 主要方法:k-means K:把數據劃分成多少個類別 知道類別的個數則設定K值後fit 不知道類別的個數時,則K為超參數

Continue Reading →

機器學習-邏輯回歸(Logistic Regression)

Introduction 邏輯回歸是一種分類(classfication)演算法 線性回歸(linear regression)的式子作為邏輯回歸的輸入 與linear regression一樣為一迭代演算法 存在cost function 不斷的迭代優化並更新權重$w$ 只適用於二元分類的場景,邏輯回歸是解決二分類問題的利器 也能得出具體的概率值

Continue Reading →

機器學習-線性回歸分析(linear regression)

Introduction 數據集的目標值(target)是一個連續型的值,便是一個回歸問題 回歸問題應用於房價分析、銷售額預測、貸款額度 回歸:在具有線性關係的點中,尋找一種能預測的趨勢 回歸演算法為迭代演算法(訓練結果會使預測結果越來越好) 訓練時會產生誤差且知道誤差,在訓練的過程中不斷地減少誤差

Continue Reading →