Andrew Ng机器学习笔记#2

于 2018-10-15 16:54:19 发布
阅读量200 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JZJZ73/article/details/83061207
版权

                                         多元线性回归

 

  • Features & hypothesis function:

 

 

 

  • Cost function:

不变，依然为h(x)-y的差的平方和，与单元线性回归方程定义一程。

 

 

  • 梯度下降在多元线性回归中的应用：

  • Feature scaling:

https://blog.csdn.net/JZJZ73/article/details/83059670

 

  • Adjust the learning rate:

 

 

  • Normal Equation 在多元线性回归中的应用：

 

  • GD和NE在的比较和选择问题：

以n=10000作为一个分界点！

 

  • 关于不可逆的问题的原因及处理：

 

  • 自己关于这章笔记草图：

不当码农好不好
关注
专栏目录
斯坦福：机器学习 Andrew NG超详细笔记（中英文都有）
07-06
超详细的斯坦福Andrew NG的课程笔记，包括他本人写的12篇上课笔记、他的TA写的6篇数学基础复习，和网友总结的中文笔记。机器学习和模式识别最佳学习资料
Andrew Ng机器学习笔记（六）
Hyaloidz的博客
07-17 738
简介 主要内容 Deciding what to try next Evaluating a hypothesis: Model Selection and Train_Valid_Test Sets Diagonosing Bias vs.Varience Regularization and Bias_Variance: Learning Curves: Deciding What to ...
Andrew NG 机器学习 笔记-week5-神经网络的学习（Neural Networks:Learning）
无关风月
09-30 989
一、代价函数（Cost Function）首先引入一些便于稍后讨论的新标记方法：假设神经网络的训练样本有 m 个，每个包含一组输入 x 和一组输出信号 y L =神经网络总层数 sls_l = ll 层的神经元（neuron）个数（不包含偏置单元（bias unit）） sLs_L = 最后一层中神经元的个数 K = 输出单元或类的数量 将神经网络的分类定义为两种情况：二类分类和多类分类： 二类
Coursera-AndrewNg(吴恩达)机器学习第一周笔记
scruelt的博客
01-07 7033
引言Introduction 1 Welcome 2 什么是机器学习What is Machine Learning 3 监督学习Supervised Learning 4 无监督学习Unsupervised Learning 单变量线性回归Linear Regression with One Variable 1 模型表示Model Representation 2 损失函数Cost Functi
斯坦福机器学习ML公开课笔记1-15（完整版、带目录索引和NG原版讲义）
11-07
1-15节全部完整版讲义！超清分享~~~（附赠目录索引和NG原版讲义） 含金量高，独家整理~~ 目录如下： 公开课笔记1-2——线性规划、梯度下降、正规方程组 公开课笔记3——局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4——牛顿方法、指数分布族、广义线性模型 公开课笔记5——生成学习、高斯判别、朴素贝叶斯 公开课笔记6——NB多项式模型、神经网络、SVM初步 公开课笔记7——最优间隔分类、原始/对偶问题、SVM对偶 公开课笔记8———核技法、软间隔分类器、SMO算法 公开课笔记9—偏差/方差、经验风险最小化、联合界、一致收敛 公开课笔记10——VC维、模型选择、特征选择 公开课笔记11——贝叶斯正则化、在线学习、ML应用建议 公开课笔记12——K-Means、混合高斯分布、EM算法 公开课笔记13A——混合高斯模型、混合贝叶斯模型 公开课笔记13B-因子分析模型及其EM求解 公开课笔记14——主成分分析 公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
Andrew Ng机器学习笔记
09-11
吴恩达老师的机器学习笔记，课程在coursera上搜索machine learning即可，详细记录了老师的课堂内容，用来做复习笔记十分合适，希望学习该课程的同学可以进行下载。该笔记从互联网下载，感觉原作者的贡献。
AndrewNG机器学习笔记v5.4—黄海广.pdf
01-26
本笔记是针对斯坦福大学 2014 年机器学习课程视频做的个人笔记。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络...
AndrewNg机器学习笔记
09-11
来自于互联网，感谢作者的贡献，主要对coursera上machine learning的课程进行了笔记处理，按章节划分，和课程内容相匹配，很适合复习使用，正在进行课程的学习的同学可以下载一份配合课程来进行学习。
Andrew Ng机器学习课程笔记--week2（多元线性回归&正规公式）
06-20
在Andrew Ng的机器学习课程中，Week2主要讲解了多元线性回归及其相关的优化方法，包括梯度下降和正规公式。 1. 多元线性回归： 多元线性回归是单变量线性回归的扩展，它考虑了多个特征（自变量）对目标变量（因变量...
斯坦福大学Andrew Ng机器学习个人笔记完整版
07-21
Andrew Ng机器学习总结的很好。欢迎下载
斯坦福大学机器学习课程个人笔记完整版
10-17
斯坦福大学机器学习课程个人笔记完整版。页面清晰，内容详实。是机器学习入门的好教材。
斯坦福大学公开课机器学习课程（Andrew Ng）五生成学习算法
一路前行
07-16 2971
课程概要： 1.生成学习算法（Generative learning algorithm） 2.高斯判别分析（GDA，Gaussian Discriminant Analysis） 3.GDA与logistic模型的联系 4.朴素贝叶斯（Naive Bayes） 5.拉普拉斯平滑（Laplace smoothing） 一、生成学习算法 两种学习算法的定
As American as apple pie 美国特色
张彤的专栏
03-03 1449
美国人很喜欢吃 apple pie。 Apple pie是一种用烤箱制作的甜点心，它的外面是一层面粉，里面是用苹果做的馅儿。中文有时把 apple pie翻成“苹果派”。美国人喜爱吃apple pie是他们刚从欧洲移居到美洲来以后就开始了。  每个家庭主妇都经常做苹果派。为了说明apple pie是美国生活的一个特点，人们常说：“As American as apple pie.”
监督学习之梯度下降——Andrew Ng机器学习笔记（一）
A_cainiao_A
12-21 9806
写在前面的话一直对机器学习非常感兴趣，现在终于脚踏式的开始了。自己感觉很开心，而且也是看着Andrew Ng老师的视频自学。想用博客记录下自己学习机器学习的点滴。 Andrew Ng老师，中文名：吴恩达（1976-），华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台Coursera的联合创始人（
监督学习之生成学习算法——Andrew Ng机器学习笔记（四）
A_cainiao_A
12-25 4913
内容提要这篇博客的主要讲生成学习算法，主要包括两个算法： - 高斯判别分析（Gaussian Discriminant Analysis） - 朴素贝叶斯（Naive Bayes）now let’s begin前言今天学习的生成学习算法依然属于监督式学习算法，我们需要输入训练集，训练参数，然后进行分类。比如我们输入动物的特征xx，然后打上标签y=1y = 1表示是大象；对待另外一种输入特征，打上
Coursera上的Andrew Ng《机器学习》学习笔记Week1
家辉自留地
01-17 2307
Coursera上的Andrew Ng《机器学习》学习笔记Week1 作者：雨水/家辉，日期：2017-01-17，CSDN博客：http://blog.csdn.net/gobitan 注：本课程结合Octave讲解！Octave是类似MATLAB的数值计算软件。 Lecture 1: Introduction 什么是机器学习？ 机器学习就是不通过显示地编程而赋
Coursera 斯坦福吴恩达机器学习课程笔记 (1)
李皮皮的博客
04-14 4274
看了课程一周后发现忘光了，决定做一个笔记用作复习。如果涉及到侵权问题请联系我，我会立马删除并道歉。同时，禁止任何形式的转载，包括全文转载和部分转载。如需使用请联系本人 422892137@qq.com。如若发现侵权行为，我学过知识产权法的，嘿嘿第一周：基础概念和介绍对机器学习的理解机器学习现在也没有统一的定义。最浅显易懂的就是赋予计算机不需要得到清晰完整代码就能够通过“自我学习”来完成任务的能力(...
Andrew Ng机器学习课程笔记--汇总
marsggbo的博客
08-16 3790
转载请附上原链接。 必须抱怨一下CSDN。。太垃圾了，连文章标题都不能修改。Andrew Ng机器学习课程笔记–week1(机器学习简介&线性回归模型) Andrew Ng机器学习课程笔记–week2(多元线性回归&正规公式） Andrew Ng机器学习课程笔记–week3(逻辑回归&正则化参数) Andrew Ng机器学习课程笔记–week4(神经网络) Andrew Ng机器学习课程笔记–
Andrew Ng机器学习笔记（一）
FlitDu的博客
09-02 3489
第一篇博客，很有纪念意义，献给让人激动人心的ML，也感谢吴恩达老师的精彩讲解。1.机器学习的定义 假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，，改程序对E进行了学习。 —— [ Mitchell,1997 ] 2.机器学习算法分类 supervised learning ：我们教计算机如何做事情 unsuper
Stanford Coursera机器学习笔记：Andrew Ng教授课程精华
"Coursera机器学习笔记，详细记录了Andrew Ng教授在Coursera上的机器学习课程内容，包括监督学习、非监督学习、线性回归、多项式回归、逻辑回归和归一化等主题。" 这篇笔记是匿名网友翻译的Coursera上Stanford ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值