![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 93
nakyoooooo
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习ex3-neural network python版
对于这个任务,我们有10个可能的类,并且由于逻辑回归只能一次在2个类之间进行分类,我们需要多类分类的策略。在本练习中,我们的任务是实现一对一全分类方法,其中具有k个不同类的标签就有k个分类器,每个分类器在“类别 i”和“不是 i”之间决定。我们将把分类器训练包含在一个函数中,该函数计算10个分类器中的每个分类器的最终权重,并将权重返回为k X(n + 1)数组,其中n是参数数量。对于这一步,我们将计算每个类的类概率,对于每个训练样本(使用当然的向量化代码),并将输出类标签为具有最高概率的类。原创 2022-09-27 17:13:39 · 204 阅读 · 0 评论 -
吴恩达机器学习ex2-logistic regression python版
如果你对正则化有点眼生,或者喜欢这一节的方程的背景,请参考在"exercises"文件夹中的"ex2.pdf"。简而言之,正则化是成本函数中的一个术语,它使算法更倾向于“更简单”的模型(在这种情况下,模型将更小的系数)。看起来在两类间,有一个清晰的决策边界。看起来不错,接下来,我们需要一个函数来计算我们的训练数据、标签和一些参数thata的梯度。现在,让我们尝试调用新的默认为0的theta的正则化函数,以确保计算工作正常。最后,我们可以使用第1部分中的预测函数来查看我们的方案在训练数据上的准确度。原创 2022-09-26 21:00:12 · 634 阅读 · 0 评论 -
吴恩达机器学习ex1-linear regression python版
假设我们的训练集特征矩阵为 X(包含了𝑥0=1)并且我们的训练集结果为向量 y,则利用正规方程解出向量 𝜃=(𝑋𝑇𝑋)−1𝑋𝑇𝑦。正规方程:不需要选择学习率α,一次计算得出,需要计算(𝑋𝑇𝑋)−1,如果特征数量n较大则运算代价大,因为矩阵逆的计算时间复杂度为𝑂(𝑛3),通常来说当𝑛小于10000 时还是可以接受的,只适用于线性模型,不适合逻辑回归模型等其他模型。练习1还包括一个房屋价格数据集,其中有2个变量(房子的大小,卧室的数量)和目标(房子的价格)。我们使用我们已经应用的技术来分析数据集。原创 2022-09-25 20:15:09 · 467 阅读 · 1 评论