![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达机器学习
文章平均质量分 79
sssusan537
这个作者很懒,什么都没留下…
展开
-
【吴恩达机器学习】笔记Week3
只有两个可能输出的分类问题 称为二元分类,其中 binary 一词是指只有两个可能的类或两个可能的类别。当额外添加例子的时候,线性回归拟合的决策边界会移动。logistic regression逻辑回归,虽然名字带有回归,但作用是分类。原创 2023-10-07 19:18:36 · 45 阅读 · 1 评论 -
【吴恩达机器学习】笔记Week2
按原数据,成本函数成椭圆形,梯度下降找全局最小值就可能会来回反弹很长时间,然后才能最终找到通往全局最小值的路。这是因为对 w1 进行非常小的更改可能会对估计价格产生非常大的影响,而对w2进行微小的更改,产生的影响较小。选择尽可能大的学习率, 或者只选择比我发现的最大合理值稍小的数值,即可保证J下降,又可尽量减少迭代次数。调试程序:设置一个非常小的学习率,如果此时J上升则说明是代码某处出现问题。例如:房屋面积的特征:土地的宽度、深度和土地面积的大小。左边的图横坐标是迭代次数,J的值应在每次迭代后都下降。原创 2023-10-01 16:46:00 · 46 阅读 · 0 评论 -
【吴恩达机器学习】笔记Week1
监督学习的关键特征是由正确的算法示例(包括正确的答案和正确的输出),最终学会了在没有输出标签的情况下单独获取输入,并对输出做出相当准确的预测或猜测。vectorization矢量化计算是指对应数据相乘然后总的相加(和矩阵乘法不同),使用的是python的Numpy库。α 学习速率,值大则跨度大,值小则跨度小,过于大的时候有可能错过最小点,从而代价函数的值反向上升。即在梯度下降的每一步中,我们都在研究所有的训练示例, 而不仅仅是训练数据的一个子集。在每一次计算J成本函数时,都会计算全部的训练数据。原创 2023-09-24 11:51:51 · 97 阅读 · 0 评论