吴恩达 机器学习课程笔记
师者,传道授业解惑也
夜雨 晴
科研萌新一枚-_-坚持写论文是一种生活态度。是与自己懒散、不愿意思考、不愿意学习、不谦逊、不坚持、不强大的种种弱点斗争的过程。很痛苦,但是值得。
展开
-
吴恩达 机器学习课程笔记(六)过拟合问题
文章目录什么是过拟合线性回归中的过拟合逻辑回归中的过拟合过拟合的解决方法正则化原理高阶参数惩罚项惩罚所有参数正则化线性回归正则化逻辑回归什么是过拟合线性回归中的过拟合沿用房价预测问题,下边三幅图分别代表欠拟合(underfitting,high bias)、拟合(刚好合适)、过拟合(overfitting,high variance)bias理解:算法带有一种很强的偏见(偏差),认为房子价格与面积线性相关,而罔顾数据(证据)的不符,先入为主地拟合一条直线,最终导致拟合效果很差。variance理解原创 2020-09-21 20:16:30 · 348 阅读 · 0 评论 -
吴恩达 机器学习课程笔记(五)逻辑回归
文章目录为何不将线性回归应用于分类问题中多数时候分类结果不理想预测值连续,实际值离散逻辑回归假设函数决策边界--正负类概率相同时示例1--线性边界示例2--非线性边界示例3--更复杂的边界损失函数--如何找到模型参数θ\thetaθ问题描述损失函数的选择逻辑回归用来解决分类问题,例如判断邮件是否为垃圾邮件,某笔在线交易是否涉嫌欺诈;肿瘤为恶性还是良性等二分类问题及其他多分类问题。为何不将线性回归应用于分类问题中多数时候分类结果不理想以判断肿瘤为恶性还是良性的分类问题为例,训练集样本如下图所示,用直线原创 2020-09-15 17:29:11 · 202 阅读 · 0 评论 -
吴恩达 机器学习课程笔记(四)多元线性回归
文章目录多特征实例--房价预测案例拓展多特征实例–房价预测案例拓展我们除了知道房子的大小和房价外,还收集到了房间数,楼层,房子的年龄等信息,这使得我们可以利用更多的信息来预测房价。其中,mmm表示样本数量,nnn表示特征数量,x(i)x^{(i)}x(i)表示第iii个样本的输入,xj(i)x^{(i)}_jxj(i)表示第iii个训练样本的第jjj个特征。...原创 2020-09-09 16:39:35 · 422 阅读 · 1 评论 -
吴恩达 机器学习课程笔记(三)线性代数简单回顾
文章目录矩阵(二维数组)向量(只有一列的矩阵)矩阵简单运算矩阵加(减)法矩阵乘(除)标量矩阵乘法特例:矩阵与向量相乘矩阵与矩阵相乘矩阵乘法的性质单位矩阵矩阵的逆矩阵转置矩阵(二维数组)矩阵:长方阵列排列的复数或实数集合通常用大写字母表示,比如AAA矩阵的维度:行*列矩阵的项:矩阵内部的某个数Aij:A_{ij}:Aij: 第iii行第jjj列对应元素矩阵提供了 一种 快速整理、索引和访问大量数据的很好的方式。向量(只有一列的矩阵)通常用小写字母表示,比如yyy向量元素:yiy_iy原创 2020-09-04 17:41:12 · 334 阅读 · 0 评论 -
吴恩达 机器学习课程笔记(二)第一个学习算法--单变量线性回归
本章将学习模型是什么样的有监督学习的过程文章目录房价预测案例监督学习算法的工作原理代价函数代价函数实例(一个参数的情况)代价函数实例(两个参数的情况)房价预测案例继续上一章有监督学习算法的房价预测案例训练集的简单描述,算法将从数据中学习如何预测房价。(x,y)(x,y)(x,y)表示一个训练样本,也就是训练集中的一行。(xi,yi)(x^{i},y^{i})(xi,yi)表示第 iii个训练样本,iii是索引,代表训练集中第iii行。例如:x1=2104,x2=1416,y1=4原创 2020-08-30 22:19:10 · 214 阅读 · 0 评论 -
吴恩达 机器学习课程笔记(一)机器学习初识
机器学习初识正式定义Tom Mitchell (1998 Carnegie Mellon) says that a well-posed learning problem is defined as follows: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as mea原创 2020-08-25 11:53:17 · 322 阅读 · 0 评论