- 博客(6)
- 问答 (2)
- 收藏
- 关注
转载 第六周--拟合判断
对于已建立的某一机器学习模型来说,不论是对训练数据欠拟合或是过拟合都不是我们想要的,因此应该有一种合理的诊断方法。偏差和方差评价数据拟合程度好坏,通常用代价函数J(平方差函数)。如果只关注Jtrain(训练集误差)的话,通常会导致过拟合,因此还需要关注Jcv(交叉验证集误差)。高偏差:Jtrain和Jcv都很大,并且Jtrain≈Jcv。对应欠拟合。高方差:Jtra
2017-09-14 10:33:25 1828
转载 第五周--BP算法
在这篇文章中,会实现一个BP(backpropagation)算法,并将之应用到手写的阿拉伯数字(0-9)的自动识别上。训练数据集(training set)如下:一共有5000个训练实例(training instance),每个训练实例是一个400维特征的列向量(20*20 pixel image)。用 X 矩阵表示整个训练集,则 X 是一个 5000*400 (5000行 400
2017-09-06 20:11:10 318
转载 exercise 3 --神经网络进行手写体识别
本作业使用神经网络(neural networks)识别手写的阿拉伯数字(0-9)由于逻辑回归是线性分类(它的假设函数是一个线性函数,就是划一条直线,把数据分成了两类。可参考这篇文章中的:②使用逻辑回归来实现多分类问题(one-vs-all) 部分 的图片)对于一些复杂的类别,逻辑回归就解决不了了。比如下面这个图片中的分类。(无法通过 划直线 将 叉叉 和 圆圈 分开)
2017-09-04 18:35:56 329
转载 exercise 3 (逻辑斯蒂回归实现多分类问题)
本文转载:本作业使用逻辑回归(logistic regression)和神经网络(neural networks)识别手写的阿拉伯数字(0-9)下面使用逻辑回归实现多分类问题:识别手写的阿拉伯数字(0-9) 数据加载到Matlab中的格式如下: 一共有5000个训练样本,每个训练样本是400维的列向量(20X20像素的 grayscale i
2017-09-04 15:15:01 4943
转载 第二周--线性回归问题
两种方法:1.梯度下降法 优点:即使特征变量的维度n很大,该方法依然很有效 缺点:1)需要选择学习速率α 2)需要多次迭代 2.正规方程法该方法可以一次性求解参数Θ 优点:1)不需要选择α 2)不用多次迭代,一次求解 3)正规方程法不需要归一化
2017-09-02 19:22:16 202
空空如也
VS2010 英文版 单步调试直接就跳到汇编里了,F10 和F11都会这样
2017-03-11
c++友元类初始化数据要用到另外两个类的私有数据
2017-03-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人