![](https://img-blog.csdnimg.cn/20210309144953227.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
吴恩达机器学习
文章平均质量分 94
吴恩达机器学习经典名课笔记
玥玥&编程学习记
学生一枚,分享学习笔记~
展开
-
课时08-神经网络:表述(Neural Networks: Representation)
文章目录非线性假设神经元与大脑模型展示Ⅰ模型展示 Ⅱ例子与直觉理解I举例说明:逻辑与(AND 函数)举例说明:逻辑或(OR 函数)样本和直观理解II多元分类计算机视觉的例子非线性假设无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时,计算的负荷会非常大。下面是一个监督学习分类问题的例子:利用 logistc 逻辑回归,来解决这个问题,构造一个包含很多非线性项的 logistc 回归函数,当只有两个特征 x1,x2x_1,x_2x1,x2 时,这种方法确实能得到不错的结果。之前我原创 2021-03-22 13:41:12 · 105 阅读 · 0 评论 -
课时07-正则化(Regularization)
文章目录过拟合的问题举例1:用线性回归来预测房价,通过建立以住房面积为自变量的函数来预测房价;![在这里插入图片描述](https://img-blog.csdnimg.cn/20210317170640389.png)举例 2:逻辑回归解决办法正则化的代价函数线性回归的正则化梯度下降法正规方程法Logistic 回归的正则化过拟合的问题举例1:用线性回归来预测房价,通过建立以住房面积为自变量的函数来预测房价;① 模型一:线性模型,算法有非常大的偏差,欠拟合,不能很好地适应我们的训练集 →\right原创 2021-03-17 17:10:26 · 77 阅读 · 0 评论 -
课时06-逻辑回归(Logistic Regression)
文章目录分类问题逻辑回归假设陈述逻辑回归模型对假设函数输出的理解决策界限(Decision Boundary)直观地解决策界限的例子代价函数简化代价函数与梯度下降高级优化多元分类:一对多分类问题##线性回归算法在分类问题中地表现(以判断肿瘤是恶性还是良性为例)当用线性回归算法预测时,训练样本如下图,使用线性回归算法来预测似乎结果比较合理。但是改变训练样本如下图,再使用线性回归算法来预测可以得到另外一条直线,而根据已有得训练样本可知这是非常差劲的线性回归算法。由上总结出线性回归算法并不能很好地原创 2021-03-15 18:46:09 · 125 阅读 · 0 评论 -
课时05 Octave教程(Octave Tutorial)
文章目录Octave 与 Matlab 的区别基本操作运算符变量向量和矩阵移动数据在系统中加载数据和寻找数据储存数据操作数据计算数据绘图数据控制语句:for,while,if 语句for 控制语句while 控制语句if 控制语句函数 (functions)向量化计算常见的线性回归假设函数的两种不同实现方式对线性回归算法梯度下降的更新规则进行向量化Octave 与 Matlab 的区别语法方面:Octave 最初便是模彷 Matlab 而设计,语法基本上与 Matlab 一致,严谨编写的代码应同时可在原创 2021-03-12 11:03:56 · 436 阅读 · 0 评论 -
课时04 多变量线性回归(Linear Regression with Multiple Variables)
文章目录多维特征多变量梯度下降法梯度下降法实践1-特征缩放(feature scaling)梯度下降法实践2-学习率特征和多项式回归正规方程正规方程在矩阵不可逆情况下的解决方法梯度下降与正规方程的比较多维特征目前为止,我们探讨了单变量/特征的回归模型,现在增添更多特征后,我们引入一系列新的注释:n 代表特征量的数目x(i)x^{(i)}x(i) 代表第 i 个训练样本的输入特征值,是特征矩阵中的第 i 行,是一个向量(vector)。xj(i)x_j^{(i)}xj(i) 代表第 i 个训练原创 2021-03-10 19:32:53 · 82 阅读 · 0 评论 -
课时3 线性代数回顾(Linear Algebra Review)
文章目录矩阵矩阵定义矩阵的维数矩阵举例向量向量定义向量举例加法和标量乘法矩阵的加法标量乘法矩阵向量乘法矩阵乘法矩阵乘法特征逆和转置矩阵的逆矩阵的转置矩阵矩阵定义由数字组成的矩形阵列,并写在方括号内,是二维数组的另一种说法。通常用大写字母表示矩阵。矩阵的维数矩阵的行数 * 列数矩阵举例这个是 4×2 矩阵,即 4 行 2 列。R(4×2)R^{(4×2)}R(4×2):表示一个 4×2 的矩阵的集合。AijA_{ij}Aij:第 i 行,第 j 列的元素。向量向量定义原创 2021-03-09 17:45:40 · 342 阅读 · 0 评论 -
课时2 单变量线性回归(Linear Regression with One Variable)
文章目录:文章目录模型表示代价函数梯度下降梯度下降的直观理解梯度下降算法梯度下降的线性回归模型表示线性回归模型:hθ(x)=θ0+θ1xh_\theta(x) = \theta_0 + \theta_1{x}hθ(x)=θ0+θ1xJ(θ0,θ1)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta_0,\theta_1) = \frac{1}{2m}\sum_{i=1}^{m}{(h_\theta({x^{(i)}}) - y^{(i)})^2}J(θ0,θ1)=2m1原创 2021-03-09 14:43:54 · 92 阅读 · 0 评论 -
课时1 引言(Introduction)
文字目录:文章目录为什么机器学习这么流行应用机器学习的定义例题机器学习的类型监督学习(Supervised Learning)无监督学习为什么机器学习这么流行实际上,机器学习是从AI即人工智能发展出来的一个领域,机器学习是为计算机开发的一项新功能,如今它涉及工业和基础科学中的许多领域。应用数据挖掘,机器学习如此普遍的原因之一就是网络和自动化技术的发展,这意味着我们拥有了前所未有的大量的数据集。现在大量硅谷公司,收集网络点击数据或者说点击流数据,并试图采用机器学习算法来挖掘数据,更好地理解用户原创 2021-03-08 20:17:44 · 90 阅读 · 2 评论