机器学习-吴恩达
吴恩达机器学习视频的学习
风云诀4
千里之行,始于足下。
展开
-
吴恩达机器学习(第一章)——初识机器学习
第一章 初识机器学习文章目录第一章 初识机器学习前言机器学习定义机器学习算法监督学习无监督学习学习工具前言Machine Learning:Grewout of work in AI,newcapability for computers机器学习人工智能的伟大成就,计算机的新功能机器学习的例子数据挖掘自动化/网络化发展带来的大数据集不能用手编写的应用程序...原创 2019-07-29 20:11:27 · 364 阅读 · 0 评论 -
吴恩达机器学习(第二章)——单变量线性回归
第二章-单变量线性回归文章目录第二章-单变量线性回归模型描述代价函数梯度下降梯度下降的思想梯度下降算法的公式梯度下降的运动方式线性回归的梯度下降模型描述在监督学习中我们有一个数据集,这个数据集被称训练集(Traning Set)以房价预测为例,我们回归问题的训练集为:我们将要用来描述这个回归问题的标记如下:m 代表训练集中实例的数量x 代表特征/输入变量y 代表目标变量/输出变...原创 2019-07-30 16:17:44 · 191 阅读 · 0 评论 -
吴恩达机器学习(第三章)——线性代数回顾
第三章-线性代数回顾文章目录第三章-线性代数回顾矩阵和向量矩阵的加法矩阵的乘法矩阵标量乘法矩阵向量乘法矩阵乘法矩阵乘法的性质矩阵的逆、转置矩阵和向量矩阵(Matrix) 是一个按照长方阵列排列的复数或实数集合矩阵的维数 是矩阵的行数×列数矩阵元素(矩阵项):A=[1402191137182194914371471448]A=\left[ \begin{matrix} 1402 &am...原创 2019-07-31 15:31:13 · 319 阅读 · 0 评论 -
吴恩达机器学习(第六章)——正则化
第六章-正则化文章目录第六章-正则化过拟合问题代价函数线性回归的正则化Logistic回归的正则化过拟合问题如果我们有非常多的特征,我们通过学习得到的假设可能能够非常好地适应训练集(代价函数可能几乎为0),但是可能会不能推广到新的数据。下图是一个回归问题的例子:第一个模型是一个线性模型,不能很好地适应我们的训练集。这是欠拟合(underfitting),算法具有高偏差(high bia...原创 2019-08-19 12:44:09 · 306 阅读 · 0 评论 -
吴恩达机器学习(第四章)——多变量线性回归
第四章-多变量线性回归文章目录第四章-多变量线性回归多功能多元梯度下降法梯度下降算法特征缩放学习率特征与多项式回归正规方程正规方程的概念公式的推导梯度下降法 VS 正规方程奇异矩阵的解决办法多功能我们探讨了单变量/特征的回归模型,现在我们对房价模型增加更多的特征,楼层数、卧室数、使用年数等会影响房屋的价格,构成一个含有多个变量的模型,模型中的特征为(x1,x2,x3,...,xn)\left...原创 2019-08-11 15:38:14 · 313 阅读 · 0 评论 -
吴恩达机器学习(第五章)——Logistic回归
第五章-Logistic回归文章目录第五章-Logistic回归分类假设陈述决策边界代价函数代价函数的定义简化代价函数与梯度下降公式的推导高级优化多元分类:一对多分类在分类问题中,你要预测的变量 yyy 是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法。在分类问题中,我们尝试预测的是结果是否属于某一个类(例如...原创 2019-08-15 18:47:05 · 214 阅读 · 0 评论