机器学习吴恩达
StoneChan_
这个作者很懒,什么都没留下…
展开
-
coursera机器学习吴恩达-学习笔记-第一周
这里写自定义目录标题coursera机器学习吴恩达-学习笔记-第一周监督学习和非监督学习功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入coursera机器学习吴恩达-学习笔记-第一周监督学习和非监督学习监督学习包括:回归算法原创 2020-08-17 20:35:10 · 142 阅读 · 0 评论 -
coursera机器学习吴恩达-学习笔记-第二周
coursera机器学习吴恩达-学习笔记-第一周1 梯度下降算法的特征缩放(Feature scaling)1.1特征缩放将整体除以最大的数,如x∈(1,100)x\in(1,100)x∈(1,100),特征缩放后x∈(0.01,1)x\in(0.01,1)x∈(0.01,1)。1.2均值归一化xi:=xi−μisix_i:=\frac{x_i-\mu_i}{s_i}xi:=sixi−μi其中μi\mu_iμi为所有值的平均值,sis_isi为max-min,或标准差,但一般用最大原创 2020-08-18 10:02:15 · 354 阅读 · 0 评论 -
coursera机器学习吴恩达-学习笔记-第三周
coursera机器学习吴恩达-学习笔记-第二周1 logistic回归算法:二元分类这里得出的hθ(x)h_\theta(x)hθ(x)取值在0~1之间,在加入蓝圈的点之前,线性回归得出了紫色直线,整体上看符合需求,Tumor Size代入直线方程,如果得到的结果大于0.5则认为是恶性的。但是在加入蓝圈的样本时,线性回归的到的蓝色直线向下倾斜了,而此时的样本已经有恶性的样本被预测为了良性。所以线性回归不适合这类的问题。2 假设陈述 Hypothesis Representation根据0≤hθ原创 2020-12-16 19:47:58 · 286 阅读 · 0 评论