![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 91
tanghonghanhaoli
这个作者很懒,什么都没留下…
展开
-
吴恩达《cs229-机器学习》:1、梯度下降法与一元线性回归
问题描述对于某函数:J(θ0,θ1)J(\theta_0,\theta_1)J(θ0,θ1)希望:minθ0,θ1J(θ0,θ1)\min \limits_{\theta_0,\theta_1}J(\theta_0,\theta_1)θ0,θ1minJ(θ0,θ1)步骤:从某个θ0,θ1\theta_0,\theta_1θ0,θ1的初值开始(例如θ0=0\theta_0=0θ0=0,θ1=0\theta_1=0θ1=0);持续改变θ0,θ1\theta_0,\theta_原创 2021-03-20 08:01:18 · 287 阅读 · 0 评论 -
深度学习(一):神经元模型、感知机与BP算法
下面内容主要来自西瓜书的第五章《神经网络》5.1~5.3节。文章目录1、神经元模型2、感知机与多层网络3、误差逆传播(error back propagation,BP)算法1、神经元模型 这一节简单,讲了两个概念,神经元模型以及激活函数。先来看神经元模型吧。因此,第jjj个神经元的输出为yj=f(Σi=1nwijxi−θ)=f(Σi=0nwijxi)y_j=f(\Sigma_{i...原创 2019-03-27 12:08:45 · 10152 阅读 · 0 评论 -
Deep Learning-Deep feedforward network
&imap An important aspect of the design of a deep neural network is the choice of the cost function. Fortunately, the cost functions for neural networks are more or less the same as those for othe...翻译 2018-11-01 18:45:01 · 372 阅读 · 0 评论 -
【从线性回归到BP神经网络】第四部分:BP神经网络
文章目录1、2层前馈神经网络模型(1) 单个样本(2) 多个样本时的矩阵表示2、2层前馈NN的误差反向传播(BP)算法(1) 单个样本(2) 多个样本时的矩阵表示3、BP多层前馈网络4、示例本文主要参考文献如下:1、吴恩达《深度学习》视频。2、周志华. 《机器学习》3.2.清华大学出版社。3、陈明等,《MATLAB神经网络原理与实例精解》,清华大学出版社。这部分强烈推荐吴恩达的《深度学习...原创 2020-04-25 12:44:31 · 1475 阅读 · 0 评论 -
【从线性回归到BP神经网络】第三部分:Logistic回归
文章目录1、 Logistic函数2、最大似然函数准则3、用梯度下降法来最大化对数似然4、示例:根据身高体重区分学生性别。本文主要参考文献如下:1、吴恩达CS229课程讲义。2、(美)S.Chatterjee等,《例解回归分析》(第2章),机械工业出版社。3、周志华. 《机器学习》3.2.清华大学出版社。4、(美)P.Harrington,《机器学习实战》人民邮电出版社。5、陈明等,《...原创 2020-04-25 12:32:24 · 491 阅读 · 0 评论 -
【从线性回归到BP神经网络】第二部分:线性回归
文章目录1、代价函数2、梯度下降法3、线性回归的梯度下降4、矩阵形式表示mmm个样本5、线性回归的闭式解6、从概率的角度来理解代价函数7、示例本文主要参考文献如下:1、吴恩达CS229课程讲义。2、(美)S.Chatterjee等,《例解回归分析》(第2章),机械工业出版社。3、周志华. 《机器学习》3.2.清华大学出版社。4、(美)P.Harrington,《机器学习实战》人民有点出版...原创 2020-04-25 12:27:43 · 584 阅读 · 0 评论 -
【从线性回归到BP神经网络】第一部分:协方差与相关系数
文章目录1、协方差与相关系数1.1 样本均值1.2 样本方差1.3 协方差1.4 相关系数1.5 示例:数据集的相关系数计算BP神经网络多层前馈神经网络本文主要参考文献如下:1、吴恩达CS229课程讲义。2、(美)S.Chatterjee等,《例解回归分析》(第2章),机械工业出版社。3、周志华. 《机器学习》3.2.清华大学出版社。4、(美)P.Harrington,《机器学习实战》人...原创 2020-04-25 12:13:57 · 2570 阅读 · 0 评论