![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
吴恩达机器学习笔记
文章平均质量分 85
吴恩达机器学习系列课程笔记
周八营业的代码人
早日退休
展开
-
分类问题:Logistic回归算法
分类问题Logistic回归算法如果使用直线来拟合数据的话,我们将分类器输出阈值设为0.5,若hθ(x)⩾0.5h_\theta(x)\geqslant0.5hθ(x)⩾0.5,则可以预测y=1y=1y=1,否则认为y=0y=0y=0。但是如果我们再训练集中再添加一个Tumor Size很大的点,再运行线性回归我们会得到另一条直线去拟合数据,此时如果再选择0.5作为阈值则分类结果不理想。所以线性回归通常不是解决分类问题的好方法。当面对一个分类问题时,我们应该如何选择假设方程?在logisti原创 2022-01-28 10:52:48 · 1267 阅读 · 0 评论 -
正规方程法
正规方程提供了一种求$\theta$的解析解法,不再需要运行迭代算法,而是可以直接一次性的求解$\theta$的最优解。原创 2022-01-12 20:40:55 · 588 阅读 · 0 评论 -
多元梯度下降法
多特征值、使用梯度下降法来处理多元线性回归、特征缩放、如何选择学习率?原创 2022-01-12 17:42:51 · 550 阅读 · 0 评论 -
Gradient descent 梯度下降
使用梯度下降法来最小化任何代价函数J原创 2022-01-11 16:02:03 · 263 阅读 · 0 评论 -
linear regression 线性回归
linear regression 线性回归Notation: m = Number of training example x's = “input”variable / featurees y's = “output”variable / “target”variable其中θ0\theta_0θ0和θ1\theta_1θ1称为模型参数,不同的模型参数会得到不同的假设函数h(x)如何得到合适的theta值? 选择能使h(x),即输入x时我们预测的值最接近该样本原创 2022-01-11 15:17:05 · 330 阅读 · 0 评论