![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达机器学习
JasonSparrow_1
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习(一)
第一部分:第二部分:原创 2019-01-03 15:29:40 · 170 阅读 · 0 评论 -
吴恩达机器学习(二)
第一部分:第二部分:第三部分:原创 2019-01-03 15:33:49 · 99 阅读 · 0 评论 -
吴恩达机器学习(三)
第一部分:第二部分:第三部分:原创 2019-01-03 15:36:56 · 153 阅读 · 0 评论 -
吴恩达机器学习(四)
第一部分:第二部分:第三部分:原创 2019-01-03 15:39:36 · 130 阅读 · 0 评论 -
吴恩达机器学习(五)
第一部分:第二部分:原创 2019-01-03 15:41:43 · 122 阅读 · 0 评论 -
吴恩达机器学习(六)
异常检测问题动机以飞机发动机的例子来说明问题设定一个阈值,如果偏离程度过大,则认定为有异常步骤:捕捉特征x(i)x^{(i)}x(i)建立分布模型p(x)p(x)p(x)确定哪些用户有异常,若p(x)<epsilonp(x)<epsilonp(x)<epsilon...原创 2019-01-13 15:22:16 · 156 阅读 · 0 评论 -
吴恩达机器学习(七)
推荐系统基于内容的推荐算法原创 2019-01-19 20:54:53 · 178 阅读 · 0 评论 -
吴恩达机器学习(八)
随机梯度下降由于数据量的规模比较大,所以普通的梯度下降的计算量比较大批量梯度算法(Batch gradient descent)与随机梯度算法的比较:首先的一步是将数据进行随机打乱,保证数据之间没有关联因为随机梯度算法不需要将所有的平方项进行求和,所以比批量梯度算法更具有计算性实际上就是使用的cost函数不同,导致每次迭代更新的时候速度比较快,迅速求得最优的θ\thetaθ值得到最...原创 2019-02-01 16:05:49 · 170 阅读 · 0 评论