Coursera-Machine learning
CC丶Z
迷失不要紧,关键是我们得在清醒后找到自己的定位和要前进的方向。
不过,你也要允许自己走上曲折的路。因为“走捷径”,会错过很多事情。
展开
-
Coursera—machine learning(Andrew Ng)第六周编程作业
linearRegCostFunction.mfunction [J, grad] = linearRegCostFunction(X, y, theta, lambda)%LINEARREGCOSTFUNCTION Compute cost and gradient for regularized linear %regression with multiple variables%原创 2017-11-24 15:33:57 · 3650 阅读 · 0 评论 -
coursera机器学习课程第八周——课程笔记(一)
Clustering K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。典型的supervised learn原创 2017-11-30 18:42:14 · 1188 阅读 · 1 评论 -
Coursera—machine learning(Andrew Ng)第八周编程作业
findClosestCentroids.mfunction idx = findClosestCentroids(X, centroids)%FINDCLOSESTCENTROIDS computes the centroid memberships for every example% idx = FINDCLOSESTCENTROIDS (X, centroids) retu原创 2017-12-08 17:42:36 · 3771 阅读 · 0 评论 -
coursera机器学习课程第七周——课程笔记
本周介绍了支持向量机(support vector machine)的相关知识,下面回顾下学到的知识。 在机器学习中,支持向量机(英语:support vector machine,常简称为SVM,又名支持向量网络)是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例,每个训练实例被标记为属于两个类别中的一个或另一个,SVM训练算法创建一个将新的实例分配原创 2017-11-30 14:07:56 · 878 阅读 · 1 评论 -
Coursera—machine learning(Andrew Ng)第七周编程作业
gaussianKernel.mfunction sim = gaussianKernel(x1, x2, sigma)%RBFKERNEL returns a radial basis function kernel between x1 and x2% sim = gaussianKernel(x1, x2) returns a gaussian kernel between原创 2017-11-29 19:25:35 · 2211 阅读 · 0 评论 -
coursera机器学习课程第六周——课程笔记
本周的内容主要分为两部分,第一部分:主要内容是偏差、方差以及学习曲线相关的诊断方法,为改善机器学习算法的决策提供依据;第二部分:主要内容是机器学习算法的错误分析以及数值评估标准:准确率(交叉验证集的误差)、查准率(precision)、查全率(recall)以及F值,还有大数据对机器学习的作用,并给出了机器学习算法的设计流程。第一部分 (一)模型选择 在原创 2017-11-27 17:47:21 · 1756 阅读 · 0 评论 -
Coursera—machine learning(Andrew Ng)第二周编程作业
warmUpExercise.mfunction A = warmUpExercise()%WARMUPEXERCISE Example function in octave% A = WARMUPEXERCISE() is an example function that returns the 5x5 identity matrixA = [];% =============原创 2017-11-01 16:57:14 · 3934 阅读 · 0 评论 -
Coursera—machine learning(Andrew Ng)第三周编程作业
plotData.m function plotData(X, y)%PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y) plots the data points with + for the positive examples% and o for the negative exam原创 2017-11-06 22:31:18 · 3281 阅读 · 0 评论 -
Coursera—machine learning(Andrew Ng)第四周编程作业
lrCostFunction.mfunction [J, grad] = lrCostFunction(theta, X, y, lambda)%LRCOSTFUNCTION Compute cost and gradient for logistic regression with %regularization% J = LRCOSTFUNCTION(theta, X,原创 2017-11-08 10:59:00 · 3405 阅读 · 0 评论 -
Coursera—machine learning(Andrew Ng)第五周编程作业
sigmoidGradient.mfunction g = sigmoidGradient(z)%SIGMOIDGRADIENT returns the gradient of the sigmoid function%evaluated at z% g = SIGMOIDGRADIENT(z) computes the gradient of the sigmoid funct原创 2017-11-13 16:25:48 · 4592 阅读 · 10 评论 -
coursera机器学习课程第五周——课程笔记
第五周课程学习结束,一直都是边上课边做笔记,没有想过在这里再梳理一遍然后将笔记整理出来,考虑之后觉得这一步很重要,可以借此对学过的这一周所有知识做一个梳理,方便自己更好的理解这些知识,而且这些笔记放在博客里也方便自己以后的回顾,所以坚持将笔记做下去,待到所有课程结束之后再把前四周的课程笔记整理写到这里。原创 2017-11-13 18:29:52 · 2155 阅读 · 0 评论 -
Coursera—machine learning(Andrew Ng)第九周编程作业
estimateGaussian.m function [mu sigma2] = estimateGaussian(X)%ESTIMATEGAUSSIAN This function estimates the parameters of a %Gaussian distribution using the data in X% [mu sigma2] = estimateGaus原创 2018-01-17 16:46:28 · 2487 阅读 · 0 评论