Публикации по теме 'calculus'
Исчисление для машинного обучения: градиентный спуск
Градиентный спуск, являющийся одним из самых популярных методов оптимизации, очень важен в области машинного обучения. В этой статье собраны основы математики и объяснения того, как и почему это работает.
Для начала давайте сначала посмотрим на функцию:
При построении графика получаем:
Если бы мы теперь посмотрели вниз по оси y этой функции:
мы получаем проекцию прямой линии, и когда мы смотрим вниз по оси x :
мы получаем восходящую параболу для..
Математический анализ уравнения простой линейной регрессии в закрытой форме
Краткий обзор, чтобы укрепить свои знания в области машинного обучения
Линейная регрессия широко используется профессионалами в бизнесе, науке, технике и т. д., но не слишком много людей понимают (или заботятся) о математике под капотом. Эта статья познакомит читателей с областью математики и, надеюсь, попутно получит некоторое представление о математике.
I. Введение и постановка задачи
Линейная регрессия — это статистическая модель, которая предполагает линейную зависимость между..
Основы исчисления для машинного обучения: упрощение сложных моделей
Скорость изменения функции по переменной называется дифференцированием. Он находит применение в различных областях, одной из которых является машинное обучение. Его можно использовать для нахождения наклона (скорости изменения) функции в определенный момент математики. Однако этим дело не ограничивается; его также можно использовать для определения поведения функции.
Наклон функции может быть отрицательным или положительным в зависимости от того, как он вычисляется. На следующем..
Второе учебное пособие под наблюдением
В продолжение моей первой статьи по обучению с учителем: Введение в обучение с учителем я пишу новую статью, исследующую ограничения линейной регрессии и предлагающую консолидацию того, как получить оптимальный вес с использованием метода наименьших квадратов. формула ошибки.
Недостаточно переменных для решения формулы. Уравнений больше, чем неизвестных.
В первой ситуации:
S = {((1, 2, 3),0), ((4, 5, 6), 2)}, когда есть 3 неизвестных и 2 формулы, по которым невозможно найти..
Непрерывные функции
РАСЧЕТ НЕПРЕРЫВНОСТИ СВОЙСТВ ФУНКЦИЙ
Непрерывные функции
Каким должно быть большинство функций затрат на машинное обучение
В предыдущем посте мы представили ограничения, это инструмент, который мы собираемся использовать для проверки локальной непрерывности функций. Существуют некоторые возможные факторы, которые делают нашу функцию не непрерывной.
Если f - произвольная функция, это не обязательно верно, что:
Непрерывно при определении значения
Функция f непрерывна..
Основы машинного обучения № 2 — Линейная алгебра и исчисление.
В предыдущем посте мы обсудили два столпа машинного обучения — статистику и вероятность , необходимые для ясного и легкого понимания всех концепций машинного обучения. При этом мы также хороши для предварительной обработки данных и аналитики данных , обсуждаемых в Знакомство с миром машинного обучения . Мы рассмотрим алгебру и вычисления, необходимые для обучения и оценки модели.
3. Алгебра
Машинное обучение во многом связано с уравнениями с несколькими переменными и их..
Исчисление 1 — Ограничение с помощью Python
В исчислении предел — это значение, к которому «приближается» функция или последовательность, когда ее вход или индекс приближаются к определенному значению. Интуитивно предел говорит нам, к какому значению функция или последовательность «все ближе и ближе» приближается по мере того, как ее вход или индекс становятся все ближе и ближе к определенному значению.
Например, рассмотрим функцию f(x) = (x² — 1)/(x — 1).
Если мы попытаемся вычислить эту функцию при x = 1, мы получим..