- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习第一课week3-正则化方法
由于不知道哪个特征值是重要特征，不知道哪个参数需要正则化，所以对每个特征值都进行正则化。逻辑回归的成本函数类似，只需将损失函数替代即可。
2023-12-01 21:14:26
33
1
原创 机器学习第一课week3-过拟合及其解决
过拟合指模型可以很好的拟合训练数据，但对于测试数据不会有很好的拟合效果。过拟合通常是由模型阶数过高(有太多的特征值)引起的。3.通过正则化的方法，正则化指保留所有的特征但减小特征系数w，使特征对于整体函数的影响变小。2.如果特征过多，但训练数据不足也会导致过拟合，所以可以通过选择合适的特征子集来解决。1.收集更多的训练数据。
2023-11-29 21:05:18
43
1
原创 机器学习第一课week3-成本函数、损失函数、梯度下降
逻辑回归的成本函数与线性回归的成本函数只在形式上类似，逻辑回归的成本函数是对损失函数求和，然后求平均。但两者的意义相同，成本函数越低代表参数的拟合效果越好。
2023-11-28 22:01:29
154
原创 机器学习第一课week3-决策边界
决策边界定义为：决定输出是0还是1的一条边界，它可以是一条边也可以是一个面，可以认为z为决策边界，例如z=x1+x2-3，使z=0，则在z=0线左侧的x1,x2对应的输出为0。使用sigmoid函数时，通常认为g(z)大于0.5时y为1，即z>0时认为y为1。但如何根据具体问题选取z对应的函数尚不清楚。在后续的学习中应该会解决。
2023-11-27 21:33:47
40
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人