![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 57
蓬蓬奇
记录个人日常学习笔记。
展开
-
吴恩达机器学习(三)——多变量线性回归(Linear Regression with Multiple Variables)
1、多维特征原创 2019-03-07 15:28:22 · 242 阅读 · 0 评论 -
吴恩达机器学习(四)——逻辑回归(Logistic Regression)
1、分类问题(Classification)线性回归主要是解决监督学习问题中的“回归”问题,逻辑回归主要主要解决监督学习中的“分类”问题。在分类问题中,要预测的变量原创 2019-03-07 15:43:20 · 768 阅读 · 0 评论 -
吴恩达机器学习(五)——正则化(Regularization)
1、过拟合的问题(The Problem of Overfitting)2、代价函数(Cost Function)3、正则化线性回归(Regularized Linear Regression)4、正则化的逻辑回归模型(Regularized Logistic Regression)...原创 2019-03-15 17:51:26 · 461 阅读 · 0 评论 -
吴恩达机器学习(六)——神经网络表述(Neural Networks: Representation)
1、非线性假设(Non-linear Hypotheses)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。非线性分类的例子:特征数大于100时,构建一个非线性的多项式模型,即便只采用两两特征的组合(原创 2019-03-16 12:49:54 · 379 阅读 · 0 评论 -
吴恩达机器学习(七)——神经网络的学习(Neural Networks: Learning)
1、代价函数(Cost Function)本节主要讨论神经网络在分类问题中的应用。原创 2019-03-16 21:00:17 · 490 阅读 · 0 评论 -
吴恩达机器学习(八)—— 应用机器学习的建议(Advice for Applying Machine Learning)
1、决定下一步做什么(Deciding What to Try Next)当要设计机器学习系统时,如何选择一条最适合最高效的道路?假设已经实现了正则化的线性回归来预测房屋价格,然而,当在一组新的测试集上使用该假设时,在预测上出现了不能接受的错误,接下来会做什么呢?也就是说当调试学习算法时,当面对测试集算法效果不佳时,会怎么做呢?(1)采集更多的训练样本;(2)尝试选用更少的特征;(3)尝...原创 2019-03-17 15:41:51 · 216 阅读 · 0 评论 -
吴恩达机器学习(九)—— 机器学习系统的设计(Machine Learning System Design)
1、首先要做什么(Prioritizing What to Work On)本节节首先介绍在实际工作过程中,应该先处理哪些事情。以一个垃圾邮件分类器算法为例进行讨论。首先要做的决定是如何选择并表达特征向量原创 2019-03-17 21:50:29 · 893 阅读 · 0 评论