2022吴恩达机器学习
文章平均质量分 88
魔理沙偷走了BUG
万年的铁树要开花
展开
-
【2022吴恩达机器学习课程视频翻译笔记】3.3代价函数公式
忙了一阵子,回来继续更新。原创 2023-08-15 22:42:43 · 490 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】3.2线性回归模型-part-2
回想一下,在监督学习中,训练集包括输入特征,例如房屋的大小,以及输出目标,例如房屋的价格。在后面的视频中,你还会看到一种回归的变体,它不仅仅基于房屋的大小进行预测,还要考虑到一大堆其他你可能了解的房屋信息,比如卧室的数量和其他特征。代价函数的概念是机器学习中最普适和重要的想法之一,它既用于线性回归,也用于训练世界上许多最先进的人工智能模型。记住,算法从这些数据中学习,并生成最佳拟合线,可能就像这条线一样(图中蓝色的直线)。如果你正在帮助你的客户出售房屋,那么直到出售之前,房屋的真实价格都是未知的。原创 2023-07-05 22:34:55 · 309 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】3.1线性回归模型-part-1
你的模型将会将一条直线拟合到数据对应的二维图像上,可能看起来是这样的(下图中的蓝色线)。基于这条最佳拟合直线,你可以看到,当这座房子的面积为1250平方英尺时,它将与最佳拟合线相交于这里(黄色直线与蓝色直线相交的点),如果你追踪垂直轴上的数值,你会发现价格大约在这个位置(粉色线的纵坐标的值),可能是22万美元左右。例如,表格的第一行(蓝色标记)是一个面积为2104平方英尺的别墅,所以它在这儿附近(横轴标记的黄色2104字样),而这栋房子的售价是400000美元,也就是在这儿(纵轴标记的红色400字样)原创 2023-07-04 22:49:59 · 234 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】2.5无监督学习-part-2
之前我稍微提到的市场区隔的例子,你也可以将其作为无监督学习问题处理,因为你可以给算法一些数据,让它自动发现市场区隔。在上一个视频中,你了解了什么是无监督学习,还了解了无监督学习的一个种类即聚类。在监督学习中,数据包含输入x和输出标签y,而在无监督学习中,数据只包含输入x,没有输出标签y,算法需要在数据中找到某种结构、某种模式或其他有趣的东西。我们只看到了无监督学习中聚类的例子,聚类算法将相似的数据点划分到一个聚类簇(组)中,在这个专题(本节课)中,你将学习到关于聚类和其他两种无监督学习方法。原创 2023-07-02 22:56:12 · 202 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】2.4无监督学习-part-1
B站上面那个翻译我有点看不懂,打算自己啃英文翻译了(有自己意译的部分),然后懒得做字幕,就丢在博客上面了,2.2之前的章节结合那个机翻字幕能看懂。原创 2023-07-01 20:36:01 · 290 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】2.3监督学习-part-2
B站上面那个翻译我有点看不懂,打算自己啃英文翻译了(有自己意译的部分),然后懒得做字幕,就丢在博客上面了,2.2之前的章节结合那个机翻字幕能看懂。原创 2023-06-28 12:41:28 · 239 阅读 · 0 评论 -
【2022吴恩达机器学习课程视频翻译笔记】2.2监督学习-part-1
B站上面那个翻译我有点看不懂,打算自己啃英文翻译了(有自己意译的部分),然后懒得做字幕,就丢在博客上面了,2.2之前的章节结合那个机翻字幕能看懂原创 2023-06-27 19:06:45 · 691 阅读 · 0 评论