- 博客(4)
- 收藏
- 关注
RSS订阅原创 吴恩达机器学习笔记（四）
八. 支持向量机（SVM）1. 优化目标复习：逻辑回归1. 假设函数：2. 代价函数：y=1和y=0时的代价函数图像（紫色为SVM优化的代价函数）3. 正则化：4. 输出：当ℎ𝜃 (𝑥) >= 0.5时，预测 𝑦 = 1；当ℎ𝜃 (𝑥) < 0.5时，预测 𝑦 = 0 。（1）代价函数的优化：（如上图紫色折线所示）替代逻辑回归中的代价函数，为SVM带来计算上的优势。左侧（y = 1时）命名为，右侧（y = 0时）命名为（2）正则化的优化：..
2022-04-13 23:14:32
60
原创 吴恩达机器学习笔记（三）
六. 应用机器学习的建议1. 决定下一步做什么假如你在开发一个机器学习系统，或者想试着改进一个机器学习系统的性能，你应如何决定接下来应该选择哪条道路？获得更多的训练实例 尝试减少特征的数量 尝试获得更多的特征 尝试增加多项式特征 尝试减少正则化程度𝜆 尝试增加正则化程度𝜆我们不应该随机选择上面的某种方法来改进我们的算法，而是运用一些机器学习诊断法来帮助我们知道上面哪些方法对我们的算法是有效的。2. 评估假设为了检验算法是否过拟合，我们将数据分成训练集和测试集，通常用 70
2022-04-12 20:54:04
223
原创 吴恩达机器学习笔记（二）
四. 逻辑回归1. 分类问题在分类问题中，要预测的变量 𝑦 是离散的值，尝试预测的是结果是否属于某一个类（例如正确或错误）。线性回归算法线性回归算法，因为其预测的值可以超越[0,1]的范围，不适用于分类问题，引入逻辑回归 (Logistic Regression)算法。2. 假说表示我们希望想出一个满足某个性质的假设函数，这个性质是它的预测值要在 0 和 1 之间。逻辑回归模型的假设是：其中： 𝑋 代表特征向量，𝑔 代表逻辑函数（logistic function)是一个常用的
2022-04-11 22:05:10
92
原创 吴恩达机器学习笔记（一）
一. 引言1. 什么是机器学习机器学习（Machine Learning）：是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。一个程序被认为能从经验E中学习，解决任务 T，达到性能度量值P，当且仅当，有了经验E后，经过P评判， 程序在处理T时的性能有所提升。2. 监督学习和无监督学习（1）监督学习（Supervised Learning）对于数据集中每一个样本都有对应的标签。我们给学习算法一个数据集。这个数据集由“正确答案”
2022-04-11 20:41:18
161
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