Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周

Linear’regression

发现这个教程是最入门的一个教程了,老师讲的很好,也很通俗,每堂课后面还有编程作业,全程用matlab编程,只需要填写核心代码,很适合自学。

1.1 Model representation

起始给出了预测房价的例子。
这里写图片描述
这个问题属于监督问题,每个样本都给出了准确的答案。
同时属于回归问题,对给定值预测实际输出。

定义 (x(i),y(i)) 为第i个样本,x表示输入值,y表示输出值,上标表示样本。

以下是机器学习运行模型
这里写图片描述

对于假设h我们可以用一条直线描述,用线性函数预测房价值。
hθ(x)=θ0+θ1x

1.2 Cost function

我们取怎样的 θ 值可以使预测值更加准确呢?
想想看,我们应使得每一个预测值和真实值差别不大,可以定义代价函数如下
J(θ0,θ1)=12mmi=1(hθ(x(i))y(i))2
通过使J值取最小来满足需求

下面通过图形方式感受一下代价函数
这里写图片描述

1.3 Gradient descent

怎样使我们的代价函数取得最小值呢
下面我们采取梯度下降法。
这里写图片描述
好比我们下山,每次在一点环顾四周,往最陡峭的路向下走,用图形的方式更形象的表示
这里写图片描述

Gradient descent algorithm
repeat until convergence{
   θj=θjαθjJ(θ0,θ1)    (for j=0 and j=1)
}

注意更新theta值应同时更新,matlab中向量更新即为同时更新,所以应使上式向量化(之后会讲解向量化含义),也可采取下面方式
这里写图片描述

1.4 Gradient descent for linear regression

repeat until convergence{
   θj=θjαθjJ(θ0,θ1)    (for j=0 and

  • 43
    点赞
  • 193
    收藏
    觉得还不错? 一键收藏
  • 16
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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