- 博客(7)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 《吴恩达机器学习》7 正则化
正则化前言一、过拟合和欠拟合二、代价函数三、线性回归的正则化四、Logistic回归的正则化总结前言前面已经学习了线性回归和逻辑回归的算法，我们也知道可以通过这些算法来训练我们的数据，从而得到一个比较靠谱的算法来预测未知的数据。但是这个模型在做机器学习的算法有时会出现过拟合（over-fitting）和欠拟合（under-fitting），这个章节来学习正则化的方法来避免或减少过拟合及欠拟合...
2019-01-28 15:34:22
185
原创 《吴恩达机器学习》6 Logistic 回归
Logistic 回归前言一、Logistic回归1、分类算法2、决策边界二、代价函数及梯度下降法1、代价函数2、简化模型3、梯度下降法三、高级优化算法及多分类问题1、几种高级优化算法2、多分类问题总结前言前面的课程我们讨论的都是线性回归方程，比如根据历史数据预测房价等，他们的共同特别就是数据是一种随着变量呈现一种线性关系。那么对于分类问题，如根据邮件的内容标记是否垃圾邮件，机器学习的解法又是...
2019-01-24 11:52:35
230
原创 《吴恩达机器学习》5 Python/Numpy 教程（Octave/Matlab 教程）
Octave/Matlab 教程（python/numpy 教程）前言一、python基本使用1、数据类型2、语法3、切片（重要）4、函数及类二、numpy使用1、矩阵2、矩阵运算三、基于numpy的梯度下降法实现总结前言《吴恩达机器学习》是在2014年发布的，那个时候机器学习的编程语言用octave较多，但是现在几乎都是python的天下，几乎所有的机器学习框架都在python上有很好的实现...
2019-01-22 17:17:23
1225
3
原创 《吴恩达机器学习》4 多变量线性回归
多变量线性回归前言一、多变量线性回归二、多元梯度下降法1、特征缩放（归一化）2、学习率三、特征和多项式回归四、线性回归的正规方程解法五、梯度下降法和正规方程的对比总结前言一、多变量线性回归二、多元梯度下降法1、特征缩放（归一化）2、学习率三、特征和多项式回归四、线性回归的正规方程解法五、梯度下降法和正规方程的对比总结以上是《吴恩达机器学习》系列视频 多变量线性回归 一些笔记和见...
2019-01-21 11:48:22
611
原创 《吴恩达机器学习》2 单变量线性回归
前言现在我们来学习Machine Learning的第一个算法线性回归（linear regression），废话不多说，先来看看以下这个例子上面是上一章节介绍的预测房价的模型，横坐标是Size(feet2)，纵坐标是Price，那么我们怎么根据上面的样本拟合出我们想要的模型（上面品红色的直线）？我们都知道线性方程的公式是这样的f(x) = wx + b，其中的w是斜率，b是截距，那么怎么取...
2019-01-20 22:20:45
712
原创 《吴恩达机器学习》1 绪论：初识机器学习
前言机器学习（Machine Learning）这个领域近几年非常火爆，Alpha go、cortana、facenet等产品陈出不穷。特别是看到openai研究的DOTA2对抗机器人和顶级人类玩家打得如火如荼，无不激起我莫大的兴趣。为此为了跟上时代的步伐，希望自己也能成为AI领域的一份子，在此将吴恩达的机器学习课程做下学习笔记，以便交流及查阅。ps. 本人是一名c++程序员（有空我要吐槽下c...
2019-01-20 22:18:53
347
原创 《吴恩达机器学习》3 线性代数回顾
线性代数回顾前言矩阵和向量1、张量2、矩阵3、向量矩阵和向量运算1、矩阵加法2、矩阵与标量乘除法3、矩阵与矩阵乘法（重要警告）矩阵运算特性1、不满足乘法交换律2、满足乘法结合律3、单位矩阵4、特殊技巧逆矩阵和转置1、逆矩阵2、转置总结前言线性代数的知识在机器学习中是非常重要的，几乎所有的运算都是基于矩阵（Matrix）、向量（Vector）的运算，因此打好线性代数的基础（不求精通，只要求基本的...
2019-01-19 13:31:42
388
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人