机器学习

[CuPy for Machine Learning] Logistic分类器

本文是Cupy for Machine Learning系列的第二期，主要讨论用于分类任务的Logistic回归模型。源码已同步至GitHub，同时包括之前代码在内均添加了文档字符串。你可以查看更新日志获取项目的最新信息。如果你在阅读过程中有任何疑问或建议，欢迎在文后评论留言。创作不易，转载请注明出处。 1. Logistic回归 线性模型（Linear Model）是机器学习中应用最为广泛的模型，即通过样本特征的线性组合来进行预测的模型。线性模型不仅可以用于回归任务——例如上一期文章中介绍的线性回归模型和岭回归模型，亦可用于分类任务。用于分类任务的线性模型被称作线性分类器（Linear Classifier）。常见的线性分类器包括Logistic回归、Softmax回归、感知机（Perception）和支持向量机（Support Vector…

---

[CuPy for Machine Learning] 机器学习概述、线性回归和岭回归

本文是CuPy for Machine Learning系列的第一期，涉及的内容包括机器学习概述、线性回归和岭回归，项目源码已上传至GitHub。你可以查看更新日志获取CuPy for Machine Learning项目的最新信息。如果你在阅读过程中有任何疑问或建议，欢迎在文后评论留言。创作不易，编写LaTex更是不易，故转载请注明出处。 1. 机器学习概述 1.1 基础概念 首先通过一个日常生活中的场景来简要地说明机器学习中的若干基础概念。假设你是一名二手房中介，你需要为你经手的房屋估价。为此，你可以从过往已售出的房屋中随机选择一部分，列出每栋房屋的特征（Feature），如房屋面积、是否为学区房、周围交通的便利程度、房屋的新旧程度等等，以及你需要预估的标签（Label）,标签可以是连续的（如房屋的售价），也可以是离散的（如“昂贵”、“一般”、“便宜”三类标签）。…