![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
AmazingZXY
愿与大家一起学习
展开
-
跟着吴恩达学习机器学习 1监督学习和无监督学习
1、监督学习 监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案”组成。该算法通过这些数据集可以达到所要求的性能的过程。一般监督学习分为回归问题和分类问题。 1.1回归问题 房价预测问题,通过真实的一些房价的数据去预测房价。把这些数据画出来,看起来是这个样子:横轴表示房子的面积,单位是平方英尺,纵轴表示房价,单位是千美元。那基于这组数据,现在有一套750平方英尺房子,那么这房子...原创 2018-09-02 22:53:02 · 237 阅读 · 0 评论 -
跟着吴恩达学习机器学习 2代价函数
代价函数在之前的预测房价的问题上,定义了一个用来进行预测的函数,是这样的线性函数形式:。,现在所需要做的就是找到合适的参数θ0和θ1。对于房价问题,在图上反应出来的就是斜率和截距。参数决定了得到的直线相对于训练集的准确程度,模型所预测的值与训练集中实际值之间的差距(下图中蓝线所指)就是建模误差。 目标便是选择出可以使得建模误差的平方和最小的模型参数。也就是代价函数的值最小。 代价函数也...原创 2018-09-16 23:34:03 · 708 阅读 · 0 评论 -
跟着吴恩达学习机器学习 3梯度下降
梯度下降作用 梯度下降是一个用来求函数最小值的算法,在这里用梯度下降算法来求出代价函数 J(θ0,θ1) 的最小值。梯度下降的思想 开始时随机选择一个参数的组合(θ0,θ1,…,θn)【初始化参数值】,计算代价函数,然后寻找下一个能让代价函数值下降最多的参数组合。持续这么...原创 2018-09-17 00:20:13 · 539 阅读 · 0 评论 -
跟着吴恩达学习机器学习 4矩阵知识回顾
矩阵知识回顾矩阵和向量加法和标量乘法矩阵乘法矩阵的逆、转置矩阵和向量矩阵如图:这个是4×2矩阵,即4行2列,如m为行,n为列,那么m×n即4×2。A32为1437(有点不习惯,往后看看再更新)矩阵的维数即行数×列数Aij指第i行,第j列的元素。向量向量是一种特殊的矩阵,课程的向量一般都是列向量,如图为四维列向量(4×1)。向量一般分为1索引向量和0索引向量,下图左图为1索引向量...原创 2018-09-18 00:28:23 · 1250 阅读 · 0 评论 -
跟着吴恩达学习机器学习 5多变量线性回归
多变量线性回归1 多维特征2 多变量梯度下降3 梯度下降法特征缩放4 梯度下降法-学习率5 特征和多项式回归6 正规方程1 多维特征在之前的单变量问题中,考虑的是房子的面积对房价的影响,实际上,地理位置、楼层、房子的卧室数量等都会对价格有影响。上图中分别列举了楼层等其他影响对价格的影响,每一行数据表示多变量作用的房子价格。Xi表示特征矩阵的第j行(从1开始),j表示第j个训练实例的的特征...原创 2018-09-19 01:01:27 · 428 阅读 · 0 评论