回归评价指标 SSE, MSE、RMSE、MAE、R-Squared

分类问题的评价指标是准确率,常见回归算法的评价指标有SSE, MSE,RMSE,MAE、R-Squared。 误差平方和 SSE(Sum of Squares due to Error)该统计参数计算的是拟合数据和原始数据对应点的误差的平方和 公式如下: SSE越接近于0,说明模型选择和拟合更好,数据预测也越成...

人工智能推荐算法代码整理

基于物品的协同过滤(item-based collaborative filtering)Item-Based Collaborative Filtering Recommendation Algorithms reading report 基于用户的协同过滤 (user-based collaborati...

LATEX排版数学公式参考文章

建议参考文章: 一份不太简短的 LATEX2e 介绍 Chapter3 数学公式 LaTeX数学公式大全

人工智能推荐算法概述

为什么需要推荐系统——信息过载随着互联网行业的井喷式发展,获取信息的方式越来越多,人们从主动获取信息逐渐变成了被动接受信息,信息量也在以几何倍数式爆发增长。举一个例子,PC时代用google reader,常常有上千条未读博客更新;如今的微信公众号,也有大量的红点未阅读。垃圾信息越来越多,导致用户获取有价值信息的...

如何在Markdown中插入数学公式

1. MathJax 引擎先在markdown文章中插入以下代码:1<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default&quo...

用Anaconda安装Jupyter Notebook

介绍 Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算:开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍 Jupyter Notebook是以网页的形式打开,可以在网页页面中直接编写代码和运行代码,代码的运行结果也会直接在代码块下显示。...

人工智能优化算法(二) - 随机梯度下降(Stochastic Gradient Descent)

多维梯度下降在了解了一维梯度下降之后,我们再考虑一种更广义的情况:目标函数的输入为向量,输出为标量。假设目标函数 的输入是一个 d 维向量 。目标函数 f(x) 有关 x 的梯度是一个由 d 个偏导数组成的向量: 为表示简洁,我们用 ∇f(x) 代替 ∇xf(x) 。梯度中每个偏导数元素 ∂f(x)/∂...

人工智能优化算法(一) - 梯度下降(Gradient Descent)

梯度下降法是机器学习中一种常用到的算法,是一种求解的最优化算法。主要解决求最小值问题,其基本思想在于不断地逼近最优点,每一步的优化方向就是梯度的方向。 一个梯度下降的经典例子梯度下降法的基本思想可以类比为一个下山的过程。假设一个人被困在山上,需要从山上下来(i.e. 找到山的最低点,也就是山谷)。但此时山上的浓雾...

人工智能优化算法(一) - 梯度下降(Gradient Descent)

梯度下降法是机器学习中一种常用到的算法,是一种求解的最优化算法。主要解决求最小值问题,其基本思想在于不断地逼近最优点,每一步的优化方向就是梯度的方向。 一个梯度下降的经典例子梯度下降法的基本思想可以类比为一个下山的过程。假设一个人被困在山上,需要从山上下来(i.e. 找到山的最低点,也就是山谷)。但此时山上的浓雾...

人工智能数学基础(一) - 导数和偏导数

导数(Derivative) 导数(Derivative)是微积分学中重要的基础概念。一个函数在某一点的导数描述了这个函数在这一点附近的变化率,导数的本质是通过极限的概念对函数进行局部的线性逼近。物理学、几何学、经济学等学科中的一些重要概念都可以用导数来表示。如,导数可以表示运动物体的瞬时速度和加速度、可以表示曲...