第一章 乙個極小的機器學習應用 構建第乙個模型

誤差計算

使用**值到真實值距離的平方來計算誤差

def

error(f,x,y):
return sp.sum((f(x)-y)**2)

scipy中的polyfit（多項式擬合）函式使用者解決這個問題。

給定資料x和y，以及期望的多項式的階（直線的階是1）可以找到乙個模型，能夠最小化之前定義的誤差函式

fp1,residuals,rank,sv,rcond = sp.polyfit(x,y,1,full=true)

[ 2.59619213 989.02487106]；把full設定為true可以獲得更多逼近過程的背景資訊。

在這裡我們對殘差感興趣，即近似誤差

#

散點座標圖
plt.scatter(x, y)
#x座標
plt.xlabel('
time')
plt.ylabel(
'hits/hour')
#tick 標記號於
plt.xticks([w*7*24 for w in range(10)],
['week %i
'%w for w in range(10)])
#自動測量/規模 tight=緊
plt.autoscale(tight=true)
fp1, residuals, rank, sv, rcond = sp.polyfit(x, y, 1, full=true)
print
fp1#
根據引數建立模型
f1 =sp.poly1d(fp1)
deferror(f, x, y):
return sp.sum((f(x)-y)**2)
print
error(f1, x, y)
#生成x值用於作圖
fx = sp.linspace(0, x[-1], 1000)
plt .plot(fx, f1(fx), linewidth=4)
plt.legend([
"d=%i
" % f1.order], loc="
upper left")
#2階多項式
f2p = sp.polyfit(x, y, 2)
f2 =sp.poly1d(f2p)
print
error(f2, x, y)
plt .plot(fx, f2(fx), linewidth=4)
plt.legend([
"d=%i
" % f1.order,"
d=%i
" % f2.order], loc="
upper left")
#開啟網格
plt.grid()
#顯示圖表
				
機器學習第一章
q 什麼是機器學習 機器學習不同於以往的計算機程式設計，致力於研究如何通過計算機手段，利用以往的經驗來改善系統自身的效能。一般的程式設計都是明確的告訴電腦該做什麼。機器學習希望提供資料給學習演算法，讓它自己學習，找到其種的規律。在面對新情況的時候就能應用已產生的模型，提供相應的判斷。機器學習的本質任...
				
機器學習第一章
今天進行了機器學習第一章的學習，我覺得首先你可以認清這些概念 1 模型 策略 演算法 2 分類與回歸的概念 3 監督 無監督 半監督問題 2 過擬合 欠擬合 下面是拓展的一些概念 海森矩陣 黑塞矩陣 hessian matrix 又譯作海森矩陣 海瑟矩陣 海塞矩陣等，是乙個多元函式的二階偏導數構成的...
				
《機器學習》 第一章
圖書館借了本機器學習，作者是 tom m.mitchell，亞馬遜這本書排名挺靠前的。好了，直接開篇。接下來大篇幅講述了，如何挑選訓練經驗，選擇目標函式，目標函式的表示，選擇函式逼近演算法。整個設計下來，分為了四大模組 執行系統 鑑定器 泛化器 實驗生成器。看過這本書的都會被第一章的跳棋學習深深吸引...