Machine Learning
LiveAndLearn322
这个作者很懒,什么都没留下…
展开
-
Machine_Learning(logistic回归习题:matlab版)
logistic回归习题:matlab版线性可分ex2.mclose all;clear all;clc;data = load('E:\ML_exercise\ex2\ex2data1.txt');X=data(:,1:2);y=data(:,3);%plotData(X,y);m=length(y);X=[ones(m,1),X];theta = zeros(3,1);init_cost = costFunction(X,y,theta)options = optimset(原创 2020-08-12 20:48:48 · 474 阅读 · 0 评论 -
Machine_Learning(logistic回归习题:python版)
logistic回归习题:python版线性可分import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('E:\ML_exercise\ex2\ex2data1.txt',names=['Exam1','Exam2','Accepted'])data.head()①数据可视化fig,ax = plt.subplots()ax.scatter(data[data['Ac原创 2020-08-11 18:54:32 · 425 阅读 · 0 评论 -
Machine_Learning(第七章)
logistic 回归假设函数决策边界:假设本身和参数的属性,不是训练集的属性代价函数简化的代价函数梯度下降算法多分类问题欠拟合:没有很好的拟合训练数据过拟合:假设函数能拟合几乎所有数据,但函数可能太过庞大,变量太多正则化:避免过拟合线性回归的正则化正则化梯度下降正则化正规方程逻辑回归的正则化正则化梯度下降...原创 2020-08-09 16:34:18 · 141 阅读 · 0 评论 -
Machine_Learning(线性回归习题:matlab版)
线性回归习题:matlab版一、单变量线性回归ex1.mdata=load("E:\ML_exercise\ex1\ex1data1.txt");x=data(:,1);y=data(:,2);plotData(x,y,data);%predictpredict1 = [1, 3.5] *theta;fprintf('population = 35,000, profit = %f\n',predict1*10000);predict2 = [1, 7] * theta;fprint原创 2020-08-08 15:07:37 · 201 阅读 · 0 评论 -
Machine_Learning(线性回归习题:python版)
第六章习题①创建一个ex1.txt文件,内容为eye(5)②文件重命名为ex1.m,在octave中将当前路径改为文件ex1.m的路径下③octave中输入run(‘ex1.m’)原创 2020-08-06 16:12:16 · 304 阅读 · 0 评论 -
Machine_Learning(第二章)
Chapter_2代价函数hypothesis:θ0、θ1为参数cost function:m为样本数量,i为第i个样本goal:找到(θ0,θ1),使J(θ0,θ1) 最小梯度下降同时更新 θ0,θ1原创 2020-07-12 10:43:22 · 151 阅读 · 0 评论 -
Machine_Learning(第一章)
Chapter_1supervised learning数据已经有“right answer”①classification(分类)— predict real-valued(具体数值) output②regression(回归) — predict discrete-valued(离散数值,0,1,2…) outputunsupervised learning只有数据,通过算法将数据分簇...原创 2020-07-11 10:30:55 · 109 阅读 · 0 评论