吴恩达机器学习个人学习笔记
文章平均质量分 93
SupAor
UP
展开
-
Day3-Logistic 回归理论+Python实战
上例中,有三类,构造三个逻辑回归二分类分类器,预测i类别y=i的概率,最后,为了做出预测,我们可以给出一个新的输入值x,期望获得预测,我们要做的就是在三个分类器中运行输入x,选择使h最大的类别,即:置信度、可信度最高的分类器,作为最终分类器。此时x1+x2=3对应假设函数预测y=0.5的情况,直线一端假设函数预测y=0,另一端假设函数预测为y=1.线性回归假设函数hθ(x)=θTx,Logistic回归假设g(z)=1/(1+e^(-z)),如果hθ(x)=0,则Cost=0。原创 2023-04-17 19:25:58 · 262 阅读 · 0 评论 -
Day2-多变量线性回归理论+python实战
本文详细介绍了多变量线性回归及其相关技术,例如多元梯度下降法和正规方程。文章从多功能概念入手,包括多变量声明和定义,并强调了它们在数据科学中的重要性。接下来深入探讨了多元梯度下降法,这是一种同时优化多个函数的技术,并详细介绍了特征缩放以确保梯度下降算法的收敛。之后,介绍了特征和多项式回归技术,以管理复杂数据集。然后,集中讨论了正规方程,这是线性回归问题的直接解决方案,也是梯度下降方法的一种替代方法。最后,通过两个场景演示了多变量线性回归在Python中的实战原创 2023-04-13 17:13:32 · 755 阅读 · 0 评论 -
Day1-单变量线性回归理论+实战
单变量线性回归个人学习笔记,包括完整Python实验代码,由理论—>实践,共勉原创 2023-04-11 16:17:33 · 191 阅读 · 0 评论