吴恩达机器学习课程作业tips（更新中）

ex4,

一开始做的时候，卡在了代价函数这里，建议大家用for循环来练习这道题目，真正理解神经网络算法和one-vs-all算法的不同。

这个式子的重点在于计算

one-vs-all，十个分类器，分别做十次logistic回归。每一个的结果都要和y求误差。也就是10次计算。再有5000个样本，所以是10*5000次计算。

 

而对于神经网络算法，output layer有十个units，每一个unit和对应y的unit求误差，也就是10次计算。再有5000个样本，所以是10*5000次计算。也就是式子中显示的两层求和，K*m。

而不是每一个outputlayer的unit和每一个y都求误差，那就是10*10*5000（K*m*m）次计算。

ex5 

Regularized Linear Regression a nd Bias v.s.Variance

这边的问题不大，主要是在求regularized linear regression cost function，线性回归正则代价函数。发现总是会给惩罚项从1开始积分，但是实数项的theta是不用积分的。