- 博客(6)
- 收藏
- 关注
RSS订阅原创 第六、七周学习总结
Logistic 回归 分类 添加一个样本，这个例子没有提供任何新信息，使得线性回归对数据的拟合直线产生变化生成一个更坏的假设。把线性回归应用于分类问题通常不是一个最优的解决办法，对数据集进行线性回归并不是每次都能取得最好的效果。 肿瘤诊断问题的目的是告诉病人是否为恶性肿瘤，是一个二元分类问题。 （0 表示负向类，代表恶性肿瘤，1 为正向类，代表良性肿瘤。) 加入偏差项，线性回归算法给出了青色的拟...
2019-04-29 13:57:25
127
原创 第五周学习总结
归一化 多元梯度下降法 特征缩放 （特征归一化） 将特征值归一化的目的是让代价函数收敛的速度变快。 特征归一化 x ia = x ib/x imax 我们希望将xi 的范围控制在−1≤xi≤1 均值归一化 寻找全局最优解，加快梯度下降求最优解的速度，有可能提高精度 如果对输出结果范围有要求，用归一化 如果数据较为稳定，不存在极端的最大最小值，用归一化 ...
2019-04-14 13:09:25
139
原创 第四周学习总结
本周我给自己定的学习目标有很大程度上的降低，所以基本都算完成。 关于深度学习，本周主要学习了多变量线性回归。 多功能 对于一个要度量的对象，一般来说会有不同维度的多个特征。比如房屋价格预测，除了房屋的面积大小，可能还有房屋的年限、房屋的层数等等其他特征。所以引入一个列表求参数。引入一些新的记号。 多元梯度下降法 多变量代价函数类似于单变量代价函数。 对偏导数的应用 计算时需要同时更新所有参数。...
2019-04-07 09:32:09
156
原创 第三周学习总结
这周关于深度学习的内容比较简单，是对线性代数的简单回顾，所以我在这里做一个简单的总结。 向量与矩阵 矩阵是由m×n个数组成的一个m行n列的矩形表格.特别地,一个m×1矩阵也称为一个m维列向量；而一个1×n矩阵 ,也称为一个n维行向量. 向量可以用矩阵表示,且有时特殊矩阵就是向量. 简言之就是矩阵包含向量. 矩阵加法是建立在相同维度上的。 矩阵乘法，简单说，就是行乘以列。 基本性质 乘法结合律：...
2019-03-30 23:38:27
188
原创 第二周回顾
上周整个人的状态还是比较不错的，但距离我预期的目标，或者说我一开始给自己定下的计划，还是有一定的距离。因此我需要不断完善我的计划。距离四级考试还有八十二天，高数、线代和专业课同样不能落下，所以我需要尽可能好的平衡我的时间。 下面说一下我上周机器学习的成果。 单变量线性回归 首先用房价预估引入模型。房价预测训练集中，同时给出了输入 x 和输出结果y ，即给出了人为标注的”正确结果“，且预测的量是连续...
2019-03-24 12:32:33
170
原创 周总结
白话AI(https://blog.csdn.net/sfm06sqvw55dft1/article/details/79149283) 首先看了一篇关于深度学习的好懂的文章，里面用简单易懂的例子解释了什么是导数，什么是偏导数，以及学习深度学习我们应该知道什么。 上周主要了解了什么是机器学习，以及监督学习和无监督学习。 机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各...
2019-03-17 17:25:45
363
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人