![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 86
JinbaoSite0144
在你想要放弃的那一刻,想想为什么当初坚持走到了这里!
展开
-
Coursera Machine Learning Week3 学习笔记
五、逻辑回归(Logistic Regression)在分类问题中,我们要预测变量的y是离散的值,所有我们将使用一种叫逻辑回归(Logistic Regression)算法。5.1 分类和表示(Classification and Representation)1、在分类问题中,我们尝试预测的是结果是否属于某一个类(例如正确或错误)。分类问题的例子有 (1)判断一封电子邮件是否是垃圾邮件 (2)原创 2017-03-11 11:17:57 · 1656 阅读 · 0 评论 -
Coursera Machine Learning Week4 学习笔记
七、神经网络:表述(Neural Networks:Representation)7.1 模型表示 (Model Representation) 1、每一个神经元都可以被认为是一个处理单元/神经核(Nucleus),它含有许多输入/树突(Dendrite),并且有一个输出/轴突(Axon)。 2、神经网络是大量神经元相互链接并通过电脉冲来交流的一个网络。 3、神经网络模型建立在许多神经元之上,原创 2017-03-14 10:19:04 · 1325 阅读 · 0 评论 -
Coursera Machine Learning Week1 学习笔记
Coursera Machine Learning Week1一、Introduction1.1 机器学习(Machine Learning)第一个机器学习的定义来自于Arthur Samuel,他定义机器学习为 在进行特定编程的情况下,给予计算机学习能力的领域。近年代的机器学习定义由Tom Mitchell提出,Tom定义的机器学习是 一个程序被认为能从经验E中学习,解决任务T,达到性能原创 2017-03-04 17:27:34 · 1031 阅读 · 0 评论 -
Coursera Machine Learning Week2 学习笔记
四、多变量线性回归(Linear Regression with Multiple Variables)4.1 多变量线性回归模型(1)HypothesisHypothesis: hθ(x)=θ0+θ1x1+θ2x2+θ3x3+⋯+θnxnh_\theta (x) = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + \theta_3 x_3 + \cdots +原创 2017-03-07 14:07:10 · 807 阅读 · 0 评论