吴恩达机器学习笔记
文章平均质量分 83
木女Dawn
IT菜鸟一枚
展开
-
吴恩达机器学习笔记系列(一)——第一周练习题
一、review questions 1、第 1 个问题 A computer program is said to learn from experience E withrespect to some task T and some performance measure P if itsperformance on T, as measured by P, improves with...转载 2018-05-04 11:17:58 · 1929 阅读 · 0 评论 -
吴恩达机器学习笔记系列(二)——认识机器学习
一、认识机器学习 grew out of work in AI New capability for computers Examples: 数据挖掘 网络上的大数据集 链接,诊断记录,生物学,工程学等 无法手工手机数据的应用 无人机,手写字识别,NLP,计算机视觉 self-customizing progrrams 自定义程序 amazon等的推荐系统 eg:理解人类学习eg...原创 2018-05-04 11:25:17 · 272 阅读 · 0 评论 -
吴恩达机器学习笔记系列(三)——非监督学习
1.监督学习 : 在监督学习中,给定一个数据集,并且知道结果是应该什么样子的,输和输出之间存在联系。 监督学习包括: regression:把输入映射到某个连续函数(continuous function) classification:把输入的变量映射到不同类别 2.无监督学习: 几乎不知道想要求解的问题的结果应该是什么样子的。我们...原创 2018-05-04 11:27:44 · 435 阅读 · 0 评论 -
吴恩达机器学习笔记系列(四)——线性回归
一.model representation(模型描述) 1.变量含义: m = 样本数量 x = 输入变量 y = 输出变量 (x,y)——表示一组训练样本 (xi,yi)(xi,yi)(x^i,y^i)——第 i 个训练样本 如下图:y^1=460, x^1=2104。 2.监督学习问题描述如下: hypothesis(假设); 对于线性问题,x与y的映...原创 2018-05-04 11:44:09 · 462 阅读 · 0 评论 -
吴恩达机器学习笔记系列(五)——梯度下降
一、gradient descent (梯度下降) 1、概念: 线性回归的目的就是找出使得误差(损失函数)最小的参数值。可以用梯度下降来确定 参数的大小。 梯度下降是一种迭代方法,能够求解局部最小值,结果与初始点的选取有关。为了找到最小值,从某一点开始,每次都往梯度下降最快的方向移动。如下图所示,当凹处不止一个时,选择不同初始点可能得到的结果差别很大。 2、更新规则: 对...原创 2018-05-04 11:51:10 · 436 阅读 · 0 评论 -
斯坦福大学machine learning课程学习笔记
第1、2周课程及编程作业1 (基于matlab/octave语言) 一、线性回归的实现(ex1.m) 1、warmUpExercise.m 该函数的功能是生成一个5*5的单位矩阵(正对角线为1,其它位置为0的矩阵)。有两种方法实现: (1)使用matlab中的函数eye():A=eye(5)。 eye()函数用来生成单位矩阵。 A = eye(m):生成m*m单位...原创 2018-07-21 13:39:14 · 386 阅读 · 0 评论