machine learning 第七周 总结

最新推荐文章于 2024-07-24 14:05:30 发布
最新推荐文章于 2024-07-24 14:05:30 发布
阅读量175 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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/kateoscar/article/details/89278789
版权

  • SVM(support vector machine）

  1. 与logistic regression的区别：成本函数；在n（feature）和m（#sample）量级不同时选择svm和lr速度不一样

 

  2.特点和应用: 最大间距，分类器   

  3.和kernel的关系：

      不用这样算（见下图），用kernel函数（比如高斯kernel）算出了更好的feature，代入到svm的x(i). svm和kernel是绝配，相  得益彰，kernel用在lr就没那么好了

 

 

kateoscar
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Coursera Machine Learning 第七周week7ex6Support Vector Machines编程全套满分题目+注释选做
12-19
Coursera Machine Learning 第七周week7ex6Support Vector Machines编程全套满分题目+注释选做
Andrew Ng机器学习week7(Support Vector Machines)编程习题
孙琨SealSun
06-02 2143
Andrew Ng机器学习week7(Support Vector Machines)编程习题gaussianKernel.mfunction sim = gaussianKernel(x1, x2, sigma) %RBFKERNEL returns a radial basis function kernel between x1 and x2 % sim = gaussianKernel(
coursera Machine Learning 第七周 测验quiz答案解析 Support Vector Machines
sinat_39805237的博客
12-15 5902
1.选择D 解析：SVM欠拟合，原来要调整lambda减少，而C=1/lambda，所以就要调整C增加，减少平方项。 2.选择D 解析：由于只减少了平方项，所以fi的位置不变，只是整个图像变窄了。 3.选择AB 解析：使第一项为零，必须保证cost1或者cost0的函数为零，则y=1时看cost1，要使z=thetaTx>=1才能让cost1等于0；同理，y=0时
机器学习coursera第七周支持向量机最后测验
hanjushi2的博客
04-17 757
machine-learning第七周 上机作业
dialoal的博客
02-05 1696
大过年了，趁值班的清闲拾光多学点算法。这一周是流弊哄哄的SVM（支持向量机）算法。没有女神的解读根本看不懂视频啊。 有几个点： 1、女神说：“y=1时，随着z↑，h(x)逐渐逼近1，cost逐渐减小。” 这里h(x)是指sigmoid函数逼近于1，cost1函数逼近于0。 2、这张图，前面提到C一般设的很大，但C非常大的时候，反而会被很少的异常点所影响，从黑线变到粉线。所以C要设的大，但又不
Coursera Machine Learning 第二周编程全套满分题目+注释（包括选做optional）
11-26
7. **`machine-learning-ex1`**：这是一个练习文件夹，很可能包含了与作业相关的所有代码和数据。在这个文件夹中，可以找到实现线性回归、梯度下降等概念的完整工作流程。 总的来说，这份资源提供了从理论到实践的...
（全）2020吴恩达机器学习MachineLearning第五周编程作业ex4
05-04
在本资源中，我们关注的是2020年吴恩达教授的《机器学习》（Machine Learning）课程的第五周编程作业，名为“ex4”。吴恩达是全球知名的计算机科学家，尤其在人工智能和深度学习领域有着深厚的造诣。他的这门机器...
（全）2020吴恩达机器学习MachineLearning第八周编程作业ex7
05-26
压缩包内含吴恩达老师《Machine Learning》课程第八周的编程作业ex7所需完成的六个m文件，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。
Coursera 上ng 的machine learning 第二周编程题ex1答案
03-22
这门课的第二周编程作业，即ex1，旨在帮助学生深入理解线性回归模型及其应用。这个压缩包包含了完成作业所需的代码和解释，让我们一起探讨这个阶段涉及到的关键知识点。 1. **线性回归**：线性回归是最基础的预测...
（全）2020吴恩达机器学习MachineLearning第七周编程作业ex6
05-24
压缩包内含吴恩达老师《Machine Learning》课程第七周的编程作业ex6所需完成的四个m文件，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。
Python学习--Machine-Learning 吴恩达机器学习编程作业 (第七周)
qq_43232373的博客
04-02 785
Machine-Learning 编程作业 Programming Exercise 7：Kmeans and PCA Part1 . K-means 聚类 Part2. K-means 算法对图片降维 Part3. 调用Sklearn库实现K-means算法 Part4. PCA算法对二维数据进行降维 Part5. PCA算法对图像进行降维处理 K-means 聚类 算法思想：以空间中K...
斯坦福大学《Machine Learning》第7周学习笔记
小T是我
06-30 1227
Support Vector Machines 支持向量机 Large Margin Classification大间距分类器 Optimization Objective优化目标 到目前为止 你已经见过一系列不同的学习算法 在监督学习中 许多学习算法的性能 都非常类似 因此 重要的不是 你该选择使用 学习算法A还是学习算法B 而更重要的是 应用这些算法时 所创建的 大量数据 在应用这些算法...
Coursera Machine Learning 第七周 quiz Programming Exercise 6: Support Vector Machines
OovEver的专栏
11-12 4106
gaussianKernel.m function sim = gaussianKernel(x1, x2, sigma) %RBFKERNEL returns a radial basis function kernel between x1 and x2 % sim = gaussianKernel(x1, x2) returns a gaussian kernel between
Coursera吴恩达机器学习课程 总结笔记及作业代码——第7周支持向量机
热门推荐
启人zhr的博客
05-31 1万+
1.1 Optimization objective先回顾一下逻辑回归的相关概念 hθ(x)=11+e−θTxh_\theta(x) = \frac{1}{1+e^{-\theta^T x}} IF y=1, we want hθ(x)≈1h_\theta(x) \approx 1 , θTx≫0\theta^Tx \gg 0 IF y=0, we want hθ(x)≈0h_\theta(x
人工智能与机器学习原理精解【5】
基础数学与应用数学
07-24 1124
下面内容来自文心一言的自动生成特征值分解是一种矩阵分解方法，特别适用于方阵。它能够将一个矩阵分解成特征向量和特征值的线性组合，这在数学、物理、工程及计算机科学等多个领域都有重要应用。以下是对特征值分解的详细说明，包括算法和例子。A=QΛQ−1A = QΛQ^{-1}A=QΛQ−1其中，Q是由A的特征向量构成的矩阵（每列是一个特征向量），Λ是一个对角矩阵，其对角线上的元素是A的特征值。对于实对称矩阵，Q是正交矩阵，即Q的逆等于Q的转置（QTQ^TQT），因此特征值分解可以简化为：A=QΛQTA = QΛQ^T
【机器学习】Jupyter Notebook如何使用之基本步骤和进阶操作
m0_49243785的博客
07-23 730
Jupyter Notebook 是一个交互式计算环境，它允许创建包含代码、文本和可视化内容的文档
方案-基于云架构的校园信息化建设方案.pdf
最新发布
07-29
方案-基于云架构的校园信息化建设方案.pdf
【创新未发表】Matlab实现蛇群优化算法SO-Kmean-Transformer-LSTM负荷预测算法研究.rar
07-29
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
【创新未发表】Matlab实现北方苍鹰优化算法NGO-Kmean-Transformer-LSTM组合状态识别算法研究.rar
07-29
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 替换数据可以直接使用，注释清楚，适合新手
getting started with machine learning
08-01
了解机器学习的基本概念、算法和技术是开始的第一步。你可以通过阅读教科书、学术论文或参加在线教育平台上的机器学习课程来学习这些知识。确保你对基本的数学和统计学概念有一定的了解，因为它们与机器学习密切相关...
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