Andrew Ng machine learning week2 week3作业 不用for循环 向量操作计算

最新推荐文章于 2019-12-01 22:08:20 发布
最新推荐文章于 2019-12-01 22:08:20 发布
阅读量315 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/frankfanwei/article/details/79538178
版权

例如： 计算h(x)的时候      我一开始的算法  用了几个for循环   后面发现  theta*X 可以直接得到一系列参数  

累加求和的时候     求和一般转化为一个行向量乘一个列向量    向量化的关键：首先写出每一个表达式  然后再不断消除需要用到循环的字母  


对于计算grad的时候  需要计算到上面这个偏导数 

那么  首先h(x) 可以写成 sigmoid(theta*X)   这是一个列向量       y(i)  可以写成y   这也是一个列向量 

sigmoid(theta*X)-y   是括号里的结果  也是一个 m*1的列向量     然后应该是 grad(i)= 1/m* [ xi(1),......,xi(m)]*( sigmoid(theta*X)-y )   这个就是上面图中的第二行那个偏导数的计算方法

然后 grad=1/m*X*(sigmoid(theta*X)-y)    可以直接计算出grad列向量  为 所求结果    




frankfanwei
关注
#“Machine Learning”（Andrew Ng）#Week 2_2：Octave/Matlab Tutorial
Dave‘s blog
01-30 856
Basic Operations
Andrew Ng Machine Learning 专题【Introduction】
IronYoung_不惧未来
07-29 3359
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。 课程网址：https://www.coursera.org/learn/machine-learning/home/welcome
（全）2020吴恩达机器学习MachineLearning课程编程作业
06-16
压缩包内含吴恩达老师《Machine Learning》课程全部的编程作业中需要自己完成的部分，解压放进课程作业原始压缩包中即可。压缩包中所有编程作业均为本人独立完成，并尽量使用向量化计算，全部满分通过。
Andrew Ng机器学习课程笔记--week3
marsggbo的博客
08-03 1511
Logistic Regression一、内容概要 Classification and Representation Classification Hypothesis Representation Decision Boundary Logistic Regression Model 损失函数（cost function） 简化损失函数和梯度下降算法 Advanced Optimizatio
Machine Learning - Andrew Ng on Coursera (Week 3)
Leo的博客
03-28 1457
本篇文章将分享Coursera上Andrew Ng的Machine Learning第三周的课程，主要内容有如下，详细内容可以参考文末附件： 分类问题及模型表示 逻辑回归模型 多类别的分类问题 解决过拟合问题 分类问题及模型表示 首先Andrew给出了几个例子来解释什么是分类问题，包括垃圾邮件的识别、在线交易的欺诈判别以及肿瘤是良性还恶性。从线性回归对连续值的预测转为了
机器学习笔记week3(Andrew NG)
ice_martin的博客
03-14 1586
机器学习笔记week3(Andrew NG)martin机器学习笔记week3Andrew NG 逻辑回归 逻辑回归模型 多分类 多分类 解决过拟合问题 过拟合 带正则化项的cost function 带有正则化项的线性回归 带有正则项的逻辑回归 逻辑回归逻辑回归模型逻辑回归表达式：hθ(x)=g(θTx)h_\theta(x) = g(\theta^Tx) z=θTxz = \theta^Tx
吴恩达-深度学习-用向量来替代for循环
weixin_45670912的博客
12-01 1044
这是一个关于如何在python上进行一个表示 而不是使用很多的for循环 实现对于大量数据的关于z 和a 的循环 Z = np.dot(w, T, X) + b, 其中w指的是一个权重，是一个n列1行的向量，T代表转置， X表示由m个训练集组成的一个m列n行的向量 b表示偏差量，在这里是一个实数，而且在pthton代码中 b会展开成一个1行m列的向量，所以得到的就是1行列的一个数据，然后再对数据...
Andrew Ng Machine Learning 专题【Neural Networks】下
IronYoung_不惧未来
09-13 3194
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。 课程网址：https://www.coursera.org/learn/machine-learning/home/welcomeWeek 1: Introduction 笔记：http://bl
机器学习课程-AndrewNg：我的第一门机器学习课
03-03
机器学习课程AndrewNg 我的第一门机器学习课 week1：具有一个变量的线性回归； 线性代数复习; week2：具有多个变量的线性回归； Matlab教程； 第3周：逻辑回归； 正规化； 第4周：神经网络及其应用； 第5周：神经...
Andrew Ng Machine Learning 专题【Machine Learning Advice】
IronYoung_不惧未来
09-16 1633
此文是斯坦福大学，机器学习界 superstar — Andrew Ng 所开设的 Coursera 课程：Machine Learning 的课程笔记。力求简洁，仅代表本人观点，不足之处希望大家探讨。 课程网址：https://www.coursera.org/learn/machine-learning/home/welcome
Coursera《Machine Learning》（机器学习课程，主讲教师为Andrew Ng）配套作业
09-04
Coursera《Machine Learning》（机器学习课程，主讲教师为Andrew Ng）的课程是机器学习的入门经典课程之一，其特点是深入浅出，并且由一些难度适宜的作业（Matlab编程作业）以帮助学员理解理论。但是很多朋友不清楚如何获取到这些作业，因此整理并上传资料
coursera上的《machine learning》的所有大作业
04-17
分为作业和答案两部分，分开的资源，不用因为有答案影响自己的思路
machine learning 课程笔记及编程作业
10-24
machine learning 课程笔记及编程作业 讲义很详细 很多作者个人理解 很多看完视频后还有的问题通过这个讲义解决了 还包括第第7周（SVM）开始的编程作业
Coursera上Andrew Ng博士的Machine Learning课程文档及代码答案
03-28
本人是Coursera里吴恩达教授的Machine Learning课程的社区助教，之前16年暑假学习该课程，将自己的文档和代码都保存了下来，纯原创，代码有些比较啰嗦有些还存在投机取巧，并不一定是最佳答案，但是当时都是可以完美运行跑出100分的，想要深入理解某些代码上的问题欢迎来Coursera上的Forum里交流，互相学习~
Coursera Machine Learning 课程的全套作业和代码，网络首发
09-11
机器学习大牛讲的课程的作业代码，里面有课程的文档，可以直接学习和完成作业。对系统的学习机器学习大有帮组。
Coursera Machine Learning Week3 学习笔记
Jinbao
03-11 1665
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）
Andrew Ng的machine learning课程week3编程题python实现
l45z41的博客
12-03 334
predict函数返回的是1*10的数字，数组是0~9数字的概率，最大概率对应的位置就是数字 比如predict函数返回值[[  1.04651957e-02   1.50186450e-03   1.42676334e-03   7.07985083e-04     3.19548392e-02   4.00192983e-04   4.31062919e-04   9.56838458e-
coursera 之 machine learning 编程作业
吹风的四月
11-23 1039
    作业地址：https://github.com/Zkwei/machine-learning-exercises    
Python学习--Machine-Learning 吴恩达机器学习编程作业 (第一周)
qq_43232373的博客
02-28 3029
Machine-Learning 编程作业 Programming Exercise 1：Linear Regression 1. 单变量线性回归 1.1 读取数据并显示 1.2 定义代价函数 1.3 梯度下降法 1.4 可视化 2. 多变量线性回归 2.1 读入数据并显示 2.2 特征归一化 2.3 代价函数 2.4 梯度下降 3. 正规方程法实现单变量回归 4. 用sklearn库中函数实现单...
Kali Linux安全渗透教程：Andrew Ng的Machine Learning讲义中文版
Andrew Ng的Machine Learning课程是深度学习和人工智能领域的经典教材，而Kali Linux则是一款专为网络安全专业人士设计的操作系统，常用于渗透测试和安全研究。 在Machine Learning部分，Andrew Ng的课程通常涵盖了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值