- 博客(5)
- 收藏
- 关注
RSS订阅原创 【零基础】【学习记录】吴恩达机器学习 Python作业 正则化逻辑回归
模型较为简单，与训练数据存在较高误差。：较为理想的模型，拟合情况刚好。：模型较为复杂，与训练数据过于贴近。
2023-06-27 18:23:12
95
原创 【零基础】【学习记录】吴恩达机器学习 Python作业 逻辑回归
在二分类问题中，通常将决策边界定义为预测为正例和负例的概率相等的点，即分类概率为0.5的点。决策边界可以是线性的，也可以是非线性的，取决于特征和模型的选择。与线性回归模型预测结果为一个具体的值不同，逻辑回归希望预测某个输入样本属于某个类别的概率。所得的最优参数为：([-25.16131871, 0.20623159, 0.20147149])，对应代价为0.20349770158947766。逻辑函数g也可以为其他的函数，一般二分分类直接使用Sigmoid函数。对数据分类并绘制对应散点图。
2023-06-27 10:51:57
73
原创 【零基础】【学习记录】吴恩达机器学习 Python作业 多变量线性回归
作用：使梯度下降速度更快，让梯度下降收敛的循环次数更少。题目概要：通过提供数据集预测房子可售价。输入特征值：房子大小，房子房间数。题目分析：多变量线性回归。公式：（均值归一化）
2023-06-21 15:18:19
92
原创 【零基础】【学习记录】吴恩达机器学习 Python作业 单变量线性回归
线性回归：通过提供的多组数据，构建线性方程去来预测结果。单变量线性回归和多变量线性回归的区别在于：决定预测结果的输入特征是一个还是多个。假设函数：算法的解决方案。输入特征通过假设函数得到预测结果。
2023-06-21 14:01:07
97
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