Andrew Ng Machine Learning 第三周

最新推荐文章于 2019-06-26 21:04:26 发布
最新推荐文章于 2019-06-26 21:04:26 发布
阅读量599 收藏 1
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43310834/article/details/84754193
版权

Andrew Ng Machine Learning 第三周

前言

网易云课堂（双语字幕，不卡）：https://study.163.com/course/courseMain.htm?courseId=1004570029
Coursera：https://www.coursera.org/learn/machine-learning
本人初学者，先在网易云课堂上看网课，再去Coursera上做作业，开博客以记录，文章中引用图片皆为课程中所截。

Logistic 回归(Logistic Regression）

1.分类问题模型描述


Tips: 把问题结果简化成0，1，2，3…n来描述
在这里插入图片描述

2.决策界限

在这里插入图片描述
Tips: 分离两个或多个y结果的线，用于判定某个区域对应的y值

3.代价函数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Tips: 构造该函数的意义为对应假设函数的值而决定它相应的代价，x轴为hθ(x),y轴为cost代价，当hθ(x)=1时，若y=1，则cost为0，说明预测正是所需要的，而预测hθ(x)为0时，y如果要等于1，则代价无穷大，即概率很低，若等于1，代价无穷大的情况下该Jθ很大，剔除这种假设。
在这里插入图片描述

4.梯度下降

在这里插入图片描述

5.一对多问题

在这里插入图片描述
Tips: 如决策边界所示，抽某个class为基准，与其他剩下的所有做分类问题讨论，从所有分类结果中抽取最合适的

6.过拟合情况

在这里插入图片描述
在这里插入图片描述
Tips:参数过多虽然符合当前集合，但是不符合常识，解决方法就是选择性减少参数或者对参数进行正则化

7.代价函数

在这里插入图片描述
在这里插入图片描述
Tips:对每个参数进行正则化，使变量减少（参数即θ几乎等于0）或者减小，其中λ大小要合适，过大会使所有参数几乎为0则hx会几乎为一条直线

8.线性回归正则化

1.梯度下降

在这里插入图片描述
Tips:相比正常的梯度下降多了α*(λ/m)

3.正规方程

在这里插入图片描述

9.Logistic回归正则化

1.代价函数

在这里插入图片描述
Tips:相比正常的代价函数多了最后那项

2.梯度下降

在这里插入图片描述
Tips:和线性回归的很像，但是hθ(x)不一样，本质不一样

2.题目

1.Question 1

Suppose that you have trained a logistic regression classifier, and it outputs on a new example x a prediction hθ(x) = 0.7. This means (check all that apply):在这里插入图片描述
解答：BD

2.Question 2

Suppose you have the following training set, and fit a logistic regression classifier hθ(x)=g(θ0+θ1x1+θ2x2).Which of the following are true? Check all that apply.
在这里插入图片描述
解答：AB（参数越多对Hθ效果越好）

3.Question 3

在这里插入图片描述
解答：AD

4.Question 4

在这里插入图片描述
解答：AC（对于选项D，如果是凸函数就能找到全局最小，用牛逼算法是为了不用选择学习率，并且速度更快）

5.Question 5

Suppose you train a logistic classifier hθ(x)=g(θ0+θ1x1+θ2x2) Suppose θ0=−6,θ1=1,θ2=0. Which of the following figures represents the decision boundary found by your classifier?
在这里插入图片描述
解答：B（-6+x=0，以x=6为分界)

6.Question 6

You are training a classification model with logisticregression. Which of the following statements are true? Check all that apply.
在这里插入图片描述
解答：C
Tips：对于A，加一个特征量会对训练集更加拟合，而不是例子，对于B、D正则化如果不合理使用对例子训练集两者都不好

7.Question 7

Suppose you ran logistic regression twice, once with λ=0, and once with λ=1. One of the times,在这里插入图片描述
在这里插入图片描述
解答：B
Tips：加入λ使θ变小（过大会使每个参数为0）

8.Question 8

Which of the following statements about regularization are true? Check all that apply.
在这里插入图片描述
解答：A
Tips：对于AB，如Quesition6

9.Question 9

In which one of the following figures do you think the hypothesis has overfit the training set?
在这里插入图片描述
解答：A

10.Question 10

In which one of the following figures do you think the hypothesis has underfit the training set?
在这里插入图片描述
解答：A

未知丶丶
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
斯坦福大学《Machine Learning》第3周学习笔记
小T是我
06-15 797
Logistic Regression逻辑回归 逻辑回归是一种将数据分类为离散结果的方法。 例如，我们可以使用逻辑回归将电子邮件分类为垃圾邮件或非垃圾邮件。 在这个模块中，我们介绍分类的概念，逻辑回归的代价函数，以及逻辑回归在多类分类中的应用。 我们将介绍正则化，这有助于防止模型过度拟合训练数据。 Classification and Representation分类与表示 Classif...
Coursera-Machine-Learning:Ng的机器学习笔记和作业-Python3代码
04-30
Python 依赖包pip install numpypip install matplotlibpip install scipy第一周 | 线性回归数据：ex1data1.txt，ex1data2.txt作业文件：ex1.py，ex1_multi.pypython ex1.py python ex1_multi.py第二周 | 逻辑回归...
（全）2020吴恩达机器学习MachineLearning第三周编程作业ex2
05-04
压缩包内含吴恩达老师《Machine Learning》课程第三周的编程作业ex2所需完成的五个m文件。压缩包中所有编程作业均为本人独立完成，并尽量使用向量化计算，全部满分通过。
Machine Learning 第三周
weixin_30872337的博客
04-16 96
ML week3 逻辑回归 Logistic Function h_\theta(x)=g(\theta^Tx) g(t)=\frac{1}{1+e^{-z}} 当t大于0， 即下面公式成立时，y=1 \frac{1}{1+e^{-{\theta^Tx}}}>0.5 => {\theta^Tx}>0 关于theta与数据 y(x)=\theta_0+\theta_1x1+\...
2019.6.26 Coursera Machine Learning 第三周 课程笔记
qq_31194443的博客
06-26 201
总结： https://blog.csdn.net/kepengs/article/details/84846182 https://blog.csdn.net/u012052268/article/details/78653293#11%E5%88%86%E7%B1%BB%E7%9A%84%E6%A6%82%E5%BF%B5-classification 1.Classification（...
Coursera Machine Learning 课程笔记之第三周：逻辑回归(Logistic Regression)
JIBANCANYANG
12-23 1179
概念：逻辑回归是典型的有监督学习(Supervised Learning)中的分类(Classifiction)，其输出只有两个离散的值(0/ 1)。逻辑函数(logistic function):11+e−x\frac{1} {1 + e^{-x}}逻辑回归的估计函数是：P(y=1|θ,X)P(y = 1 | \theta, X)即：在X特征，θ\theta向量下，事件发生的概率(odds)。这
机器学习课程-AndrewNg：我的第一门机器学习课
03-03
第3周：逻辑回归； 正规化； 第4周：神经网络及其应用； 第5周：神经网络中的成本函数； 前馈反向传播第6周：评估学习算法； 偏差与方差; 第7周：支持向量机（SVM）； 谷粒; 第八周：无监督学习； 聚类k均值PCA； ...
Machine-Learning-Andrew-Ng-
03-28
第2周：线性回归第3周：用于分类的逻辑回归第4周：用于识别手写数字的神经网络第5周：反向传播训练用于识别手写数字的神经网络第6周：正则化，偏差与方差（过拟合和过拟合）第7周：电子邮件垃圾邮件分类器的SVM第8...
Machine-Learning-Notes:吴安德（Andrew Ng）的机器学习课程讲义
05-08
第三周：逻辑回归和正则化 分类 逻辑回归：假设表示，决策边界，成本函数，梯度下降。 优化算法：共轭梯度，BFGS，L-BFGS 多类别分类：一对多分类 过度拟合：减少特征空间； 正则化。 正则化和正则化线性/逻辑...
主成分回归代码matlab及例子-Machine-Learning-Stanford-Andrew-Ng:＃MachineLearning（C
05-26
第三周 视频：Logistic回归 测验：逻辑回归 视频：正则化 测验：正则化 编程分配：逻辑回归 第四周 视频：神经网络：表示 测验：神经网络：表示形式 编程作业：多类分类和神经网络 第五周 视频：神经网络：学习 测验...
Coursera Machine Learning ex2第三周 week3编程全套满分题目+注释（包括选做optional）
12-01
Coursera Machine Learning ex2第三周 week3编程全套满分题目+注释（包括选做optional）
吴恩达-深度学习-序列模型前两周课后作业（quiz+编程作业）
09-15
吴恩达老师的深度学习课程的第五部分——序列模型的课后作业，前两周作业（包括课后的quiz和编程作业）都在里面，因为限制上传大小，所以分开上传。是搬运别人的资源，自己做了，感觉很不错。当时找资源时，各种痛苦，也受到了好心人的帮助，没有恶意抬高资源分数且内容全面。希望大家学习快乐~~
neural network for machine learning（第三周编程作业）----感知机算法
天泽28的专栏
04-21 2757
neural network for machine learning（第三周编程作业）----感知机算法 这篇博客主要结合hinton大神的neural network for machine learning第三周的编程作业来介绍下感知机算法，先来看下感知机，感知机可以说是最简单的神经网络了，因为它只有两层，输入层和输出层，不包含隐藏层，感知机模型如下所示：
Andrew Ng的machine learning课程week3编程题python实现
l45z41的博客
12-03 324
predict函数返回的是1*10的数字，数组是0~9数字的概率，最大概率对应的位置就是数字 比如predict函数返回值[[  1.04651957e-02   1.50186450e-03   1.42676334e-03   7.07985083e-04     3.19548392e-02   4.00192983e-04   4.31062919e-04   9.56838458e-
机器学习第3周编程作业
senketh的博客
08-04 1677
function plotData(X, y) %PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y) plots the data points with + for the positive examples % and o for the negative examples. X is as
Machine Learning week 3 quiz : Regularization
GarfieldEr007的专栏
11-17 2万+
Regularization 5 试题 1.  You are training a classification model with logistic regression. Which of the following statements are true? Check all that apply.
Coursera Machine Learning 第三周 quiz Logistic Regression
OovEver的专栏
11-10 2万+
1. Suppose that you have trained a logistic regression classifier, and it outputs on a new example x a prediction hθ(x) = 0.2. This means (check all that apply): 答案AC h(x)=0.2为y=1时的值
Coursera Machine Learning 第三周 quiz Regularization
热门推荐
OovEver的专栏
11-10 2万+
1. You are training a classification model with logistic regression. Which of the following statements are true? Check all that apply. Introducing regularizat
机器学习测试Week3_1Logistic Regression
wangcong02345的专栏
01-10 1万+
Week3_1Logistic Regression 第 1 题 Suppose that you have trained a logistic regression classifier, and it outputs on a new example x a prediction hθ(x)h_\theta(x) = 0.4. This means (check all that a
andrew-ng machine-learning代码
最新发布
02-08
Andrew Ng是一位在机器学习领域非常知名的专家，他的代码通常是用于教学和研究目的。他的机器学习代码包括许多经典的算法和模型，如线性回归、逻辑回归、神经网络和支持向量机等。这些代码通常是用Python编写的，...

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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