机器学习cs229笔记
文章平均质量分 77
dust_finger
这个作者很懒,什么都没留下…
展开
-
cs229笔记-逻辑回归
对于分类问题,我们常常用到逻辑回归,这是对于离散值的预测,比如1代表正常邮件正,0代表垃圾邮件。 下面从二元的分类开始讨论: 如图,这是一个用线性回归尝试预测离散值的例子,在逻辑回归中,我们选取h(x)=0.5作为临界点判断值为0或1,很明显,当数据集只有前八个时,我们发现能线性回归很好的预测结果,但是当出现第九个数据的时候反而使得0.5的分界点开始右偏,性能0反而不如数据集8个时的假设函...原创 2018-08-28 21:48:28 · 571 阅读 · 0 评论 -
cs229笔记-线性回归:梯度下降和正规方程
线性回归基本思路: 其实很简单,线性回归便是用直线去模拟,以前高中就学过,在这里我们采用的评判标准,也就是J函数(代价函数)是正比于每个点到直线的距离的平方和的累计的。以单变量为例子,当J最小时,我们判断这根直线很好的拟合了数据集,事实证明,这的确是工作良好的一种判断基准。 单变量线性回归 m:训练集数量 x:输入变量/特征 y:输出变量 h:假设,也叫做函数,是我们用来拟合数据集的假...原创 2018-08-15 18:10:17 · 427 阅读 · 0 评论 -
cs229笔记-octave学习笔记
1.基本操作 基本数学运算: 5+6 5*8 1/2 3-2 逻辑运算 如:1==2 值为0(假) 1~=2 值为1 (真) 1&&0 假 1||0 真 XOR(1,0) 真 赋值:普通变量:a=3 b=’hi’ c=(3>=1) 显然c为真,所以c=1 矩阵:A=[1,2;3,4;5,6] 这是个三行两列的矩阵 ...原创 2018-08-25 15:43:10 · 417 阅读 · 0 评论