qustqustjay的专栏

梯度下降法是一种最优化算法，常用来优化参数，通常也称为最速下降法。梯度下降法是一般分为如下两步：1）首先对参数θ赋值，这个值可以是随机的，也可以让θ是一个全零的向量；2）改变θ的值，使得J(θ)按梯度下降的方向进行减少。以一个线性回归问题为例，应用libsvm包里的数据heart_scale.mat数据做测试。假设要学习这么一个函数：那么损失函数可以定义成：其中

本文学习笔记是自己的理解，如有错误的地方，请大家指正批评，共同进步，谢谢！之前的教学质量评价，只是通过对教学指标的简单处理，如求平均值或人为的给出各指标的权值来加权求和，其评价结果带有很大主观性。利用BP神经网络建立教学质量评价系统的模型,通过调查分析得到教学评价指标，将其标量化成确定的数据作为其输入,用BP神经网络训练后作为实际输出，将之前得到的教学效果作为期望输出。比较期望输出与实际输

1、牛顿迭代法牛顿迭代法法是一种计算近似根算法，对于给定的复杂函数f(x)，常用来求该函数在给定初始值x0附近的近似根。该算法很简单，就是一个迭代的过程：迭代终止条件可设为：matlab代码实现：function y=mulNewton(a,n,x0,eps1) x(1)=x0; b=1; i=1; while(norm(b)>e

Logistic regression （逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性，也用来进行分类。在分类的情形下，经过学习之后的LR分类器其实就是一组权值w0,w1,...,wm. 当输入测试样本集中的测试数据时，这一组权值按照与测试数据线性加和的方式，求出一个z值：z = w0+w1*x1+w2*x2+...+wm*xm。 ① （其中x1,x2,...,