2. 朴素贝叶斯分类

   在机器学习中， 朴素贝叶斯 （Naive Bayes）是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单 概率分类器。朴素贝叶斯自20世纪50年代已广泛研究。在20世纪60年代初就以另外一个名称引入到文本信息检索界中，并仍然是 文本分类的一种热门（基准）方法 …

   read more

3. 普通最小二乘法

   在 批量梯度下降 中讨论了，如何利用梯度下降的方式，如何一步一步寻找到损失函数的最小值，得到最佳拟合的 \(\theta\)，这里我们继续讨论线性拟合问题，这次尝试用 最小二乘法 直接求解 \(\theta\)，就是说我们不用从山顶寻找梯度一步一步的往最低点走，某种情况下可以直接计算出 \(\theta …

   read more

4. 批量梯度下降

   在机器学习问题中，基本上都是基于特定的损失函数，来迭代优化这个函数值，既然是损失函数，代表的是损失的多少，所以通常是寻找最小值，梯度下降法即是一种不断寻找函数极值点的方法，通常用“人物下山”来举例子，考虑你现在山上的某一点，你想要快速下山，这个过程有3点是需要确定的，才能完成这个动作

   • 我一步能迈多远 …

   read more

⇇ « Page 4 / 4