- 博客(2)
- 收藏
- 关注
原创 吴恩达机器学习_第2周_多维特征
以房价问题为例,假设我们使用两个特征,房屋的尺寸和房间的数量,尺寸的值为 0-2000平方英尺,而房间数量的值则是0-5,以两个参数分别为横纵坐标,绘制代价函数的等高线图能,看出图像会显得很扁,梯度下降算法需要非常多次的迭代才能收敛。当我们运行梯度算法迭代的时候,我们有时会发现代价函数J随着迭代次数的增加呈现上下摆动的趋势,这时候就要想到可能是选取了不合适的学习率。此时模型中的参数是一个n+1维的向量,任何一个训练实例也都是n+1维的向量,特征矩阵X的维度是m*(n+1)。如何选择合适的学习率大小?
2024-07-29 10:13:12
522
原创 吴恩达机器学习_第1周_引言、单变量回归
监督学习指的就是我们给学习算法一个数据集,数据集内包括“正确答案”;本质:推测出这一系列连续值属性;例如:探究房价与建筑面积的关系本质:推测出离散的输出值,如0或1、良性或恶性;例如:根据肿瘤大小判断是否患有乳腺癌MarkdownText-to-HTMLAuthorsJohnLuke。
2024-07-24 23:22:13
646
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