- 博客(8)
- 收藏
- 关注
RSS订阅原创 Idea连接GIt
下载Git Git下载，完成安装后记得路径。 在桌面右键，点击Git Bash Here，配置全局用户名、邮箱 git config --global user.name "xxx" git config --global user.email "xxxx" 在IDEA中配置Git，打开File–>Setting->Version Control–>Git–>...
2019-10-31 21:27:09
1704
原创 Machine Learning:Computing Parameters Analytically
Normal Equation 梯度下降提供了一种最小化J的方法。现在我们要讨论第二种方法，这是一种显式地执行最小化而不借助迭代的算法。 在正规方程中，我们将通过明确地针对J取导数并将其置为0，这使我们无需迭代即可找到最佳θ θ=(XTX)−1XTyθ=(X^{T}X)^{-1}X^{T}yθ=(XTX)−1XTy 正规方程不需要进行特征缩放 梯度下降和正规方程的比较 梯度下降 正规方程...
2019-10-16 20:18:57
147
原创 Machine Learning:Multivariate Linear Regression
Define 多元线性回归时含有多个变量的线性回归 包含多个特征变量的假设函数如下 同时，假设函数也可简化成以下向量形式 注意：为了方便，我们令x0=1，因此能够使θ与x逐元素匹配（n+1）。 Gradient Descent For Multiple Variables 多个变量的梯度下降 即： ...
2019-10-10 16:01:28
184
原创 Machine Learning:Linear Algebra Review
Matrices and Vectors 矩阵是二维数组，下图为43的矩阵 向量是一个n1的矩阵，下图是一个4维向量，同时也是4*1的矩阵 表示法和术语： Aij表示矩阵的第i行第j列元素 一个向量有n行表示一个n维向量 vi表示向量的第i行元素 一般，矩阵和向量是用1索引来表示，对于某些编程语言，数组的索引为0 矩阵通常用大写字母表示，向量用小写字母表示 “标量”表示一个单独的值，而不是矩...
2019-10-06 22:31:46
105
原创 Machine Learning:Parameter Learning——Gradient Descent
Gradient Descent 当成本函数位于图中凹坑的最底部时，即当其值最小时，我们就成功了。 我们这样做的方法是采用成本函数的导数，切线的斜率是该点的导数，它将为我们提供一个方向，我们沿下降最陡的方向逐步降低成本函数，每步的大小由参数α（称为学习率）确定。 算法 repeat until convergence: where j=0,1 represents the feature in...
2019-10-06 16:17:25
136
原创 Machine Learning:Model and Cost Function
Model Representation x(i) to denote the “input” variables (living area in this example), also called input features y(i) to denote the “output” or target variable that we are trying to predict (price)...
2019-10-05 00:25:36
116
原创 四、查找与排序（下）（2）
树、二叉树简介 如果知道父节点，则子节点的下标为2i+1,2i+2 如果知道子节点，则父节点的下标为（i-1）/2 二叉树遍历方法： 先序（根 左右）、中序（左 根 右）、后序（左右 根） 先序：78 56 43 2 23 4 34 1 15 中序：2 43 23 56 4 78 1 34 15 后序：2 23 43 4 56 1 15 34 78 #include<bits/stdc++...
2019-10-03 10:39:12
73
原创 Machine Learning:Introduction
Define A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E. Exampl...
2019-10-02 21:03:53
189
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