吴恩达机器学习
吴恩达机器学习笔记
Mistmorn
大部分发布自己学习笔记的
展开
-
判断梯度下降是否收敛/2022吴恩达机器学习课程
运行梯度下降时,如何判断它是否收敛(找到最小的成本函数)?梯度下降的目的是找到参数w和b,是成本函数J最小化。原创 2024-08-05 22:19:07 · 155 阅读 · 0 评论 -
特征缩放/2022吴恩达机器学习
特征缩放作用:使梯度下降更快。原创 2024-08-05 20:59:16 · 299 阅读 · 0 评论 -
用于多元线性回归的梯度下降
区别:w和x是向量,且w变成了w_1,xi变成xi_1,这个只适用于j=1,所以我们要跟新参数,同时我们也将更新b。w现在不是一个数字,而是长度为n的向量。j(w1,w2...,b)将更新为j(用的不多,所以不作多的记录。原创 2024-08-05 16:13:01 · 102 阅读 · 0 评论 -
向量化 /2022吴恩达机器学习课程
作用:让代码更短也更有效。原创 2024-08-04 21:40:01 · 196 阅读 · 0 评论 -
第二周--多维特征/2022吴恩达机器学习课程
在先前的模型中,只有一个特征值x(房子的大小),你可以预测y,房子的价格。但是现在你又知道了多个细节。为了实现这一点,我们有一个技巧叫矢量化。寻找一种更简单的方法重新写该表达式。这种算法叫多元线性回归。原创 2024-08-04 20:17:54 · 316 阅读 · 0 评论