我将课后编程作业与习题放在我的GitHub上了,需要的可以自取:
GitHub - chicx1229/fluffy-computing-machine: 吴恩达2022机器学习课后编程作业与习题
心得体会:
在我的机器学习作业中,我学习了关于多元线性回归和梯度下降的实践知识。在第一单元中,我了解到了测试集中的问题,对照训练集的可能性进行了回答,并考虑到矢量化的优点。在第一个问题中,测试集的答案是30。当涉及到梯度下降的实践时,我学习了关于特征缩放的步骤,以及如何选择学习率。特征缩放可以使梯度下降更快收敛,同时,学会如何使用特征工程来提高模型性能。
特征工程是调整数据和特征以提高模型性能的过程。在预测杂货店收入的情景下,我考虑了选择什么样的特征工程可能会有帮助。通过计算每种产品的售出数量与价格的乘积,我可以创建一个有用的特征,帮助模型更好地理解杂货店的销售情况。此外,我还学习了多项式回归不一定需要是直线函数,这扩展了我对模型拟合形式的认识。
总的来说,我的作业内容涉及到了多元线性回归、特征缩放、梯度下降等机器学习的基本概念和实践技巧。这些知识对构建和优化机器学习模型至关重要。通过深入学习和实践,我将能够更好地理解和应用这些技术,提高模型性能并解决更复杂的机器学习问题。继续努力学习和练习,我将在机器学习领域取得更多的进展并取得成功。祝我在机器学习的学习和实践中取得更大的成就!