通过学习斯坦福公开课的线性规划和梯度下降，参考他人代码自己做了测试，写了个类以后有时间再去扩展，代码注释以后再加，作业好多：
import numpy as np
import matplotlib.pyplot as plt
import random
class dataMinning:
datasets = []
labelsets = []
addressD = '' #Data folder
addressL = '' #Label folder
npDatasets = np.zeros(1)
npLabelsets = np.zeros(1)
cos
2022-11-11 15:42:15
114KB
1
回归参数估计
使用不同方法的回归模型中参数估计的R代码：
最小二乘
梯度下降
大都会-哈丁斯
使用JAGS进行吉布斯采样
该代码用于具有一个预测变量的线性回归问题（单变量回归）。 目的是通过一个简单的示例并为所有方法提供基本实现，以介绍机器学习中广泛使用的重要方面，例如梯度下降和蒙特卡洛方法。
此博客文章中介绍了不同的方法和代码： :
2022-11-06 10:15:57
3.95MB
1
监督学习
监督学习目的在于学习一个由输入到输出的映射
图形表示
梯度下降
梯度的概念
梯度是什么？
在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以
2022-11-02 19:08:18
543KB
1
本程序是根据斯坦福大学吴恩达老师的机器学习公开课实现的MATLAB程序 简单易懂 你值得拥有 本程序是根据斯坦福大学吴恩达老师的机器学习公开课实现的MATLAB程序 简单易懂 你值得拥有
2022-09-19 16:29:41
2KB
1