![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine_Learning
文章平均质量分 73
Avoke17
这个作者很懒,什么都没留下…
展开
-
Coursera-Machine-Learning-Review-W2
Multivariate Linear Regression W1的房价预测中,我们只有一个特征,即面积为变量来预测房价。但是生活中对于结果预测需要多个特征,拿房价举例就和房子使用年限等等特征都影响房价。所以此处引入多个特征变量,以上标表示。 自然的,假设函数也要同样的进行改变,写成多变量形式,并且为了后面便于计算,这里使用列向量x来代替变量x0~xn,其中x...原创 2018-07-21 01:20:41 · 262 阅读 · 0 评论 -
Coursera-Machine-Learning-Review-W5
Cost Function and Backpropagation 下面我们讨论如何利用神经网络进行学习。 首先引入一些标记,L表示神经网络总层数,sl表示第l层的神经单元个数(不包括偏置单元),对于二元分类问题,只需要一个输出单元,令输出为0或1。对于多元分类问题,分成k类,则输出单元为k个k维向量。 关于代价函数,我们沿用逻辑回归中的代...原创 2018-08-13 20:04:52 · 207 阅读 · 0 评论 -
Coursera-Machine-Learning-ex4
上一个练习中我们使用给定的权重矩阵对手写数字进行预测,本次练习中,我们尝试去学习参数θ。 Neural Networks 首先使用displayData方法对训练集数据进行可视化。 和之前的训练集一样,共5000个训练样本,每个样本为20*20像素的图片,展开以400维向量形式给出。训练样本处理如下: 首先确定结构,我们本次使用三层结构,一个输入层,一个隐藏层,一个输出层。由于我们...原创 2018-08-15 16:38:59 · 782 阅读 · 0 评论 -
Coursera-Machine-Learning-Review-W3
Classification and Representation 我们在日常生活中还会遇到关于分类的问题,例如垃圾邮件分类,肿瘤良性与恶性的分类,在这种问题中我们倾向于以0和1来分别代表分类的两个值,所以我们需要一个能够进行分类的算法。利用之前学习的线性回归我们或许可以拟合一条直线,假设函数不变,接着对假设函数值进行预测,以0.5为边界分别预测0和1。但是当我们延长坐标轴时,可...原创 2018-08-01 11:31:49 · 267 阅读 · 0 评论 -
Coursera-Machine-Learning-ex3
这一部分练习,我们使用逻辑回归和神经网络识别手写数字。 Multi-class Classification 首先载入5000个训练样本的矩阵,每一个训练样本是20x20像素的灰度值,并且被展开成一个400维向量,成为矩阵中的一行。而第二部分就是这5000个样本的标签,为一个5000维向量,分别对应其正确值。 我们首先随机选择其中的100行,使用displayData方法展示出这100个样本...原创 2018-08-09 22:34:15 · 340 阅读 · 0 评论 -
Coursera-Machine-Learning-ex2
本次编程作业需要完成一个逻辑回归模型,来预测一个学生是否能够被允许入学。 ex2 第一步进行训练集的可视化,这里pdf提供了代码,我们只需要把其填入plotData.m就可以看到训练集的情况。 function plotData(X, y) %PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y...原创 2018-08-05 19:38:47 · 336 阅读 · 0 评论 -
Coursera-Machine-Learning-Review-W4
Motivations 这里首先介绍了一下神经网络算法的动机。对于一个非线性分类问题,我们可以通过多项式拟合出决策边界,但是对于现实问题,特征数往往由于过多而带来很多问题,比如计算量过大,过拟合等等,例如下图的一辆汽车,我们一眼就能看到这是一辆车,但是对于计算机来讲,他是像素点的集合,特征很多,就需要引入一种新的算法。 Neural Network 神经网...原创 2018-08-09 18:38:22 · 192 阅读 · 0 评论 -
Coursera-Machine-Learning-Review-W1
这个假期开始学习Machine-Learning相关的知识,进行了几周之后感觉由于课程对相关的很多概念和计算进行了包装,课程理解上以及编程作业上经常会有一些疑点,需要进行思考才能比较通透的理解,并且由于英文Online的原因,部分解释感觉也需要进行一些翻译,所以这里会更新一些个人对于本课程同步的理解,以及包括部分quiz和编程作业较为详细的代码层面和理论层面的解答。如有问题,还望多加...原创 2018-07-15 20:11:16 · 247 阅读 · 0 评论 -
Coursera-Machine-Learning-ex1
warmUpExercise 这个部分主要为了熟悉如何运行程序,按要求返回一个5阶单位矩阵即可,warmUpExercise.m代码如下 function A = warmUpExercise() %WARMUPEXERCISE Example function in octave % A = WARMUPEXERCISE() is an example function that re...原创 2018-07-25 16:22:47 · 424 阅读 · 0 评论 -
Coursera-Machine-Learning-Review-W6
Evalutating a Learning Algorithm 这里关注与在开发机器学习系统中,如何决定接下来要做什么。 以线性回归为例,若预测结果有较大误差时,我们会有很多抉择,例如寻找更多数据,加入更多特征,增大或减小学习速率等等,但是如何进行选择并不应该是凭感觉的,否则会浪费很多时间。这里我们引入机器学习诊断法,通过一种方法更快的进行选择。 ...原创 2018-08-27 12:46:59 · 250 阅读 · 0 评论