- 博客(5)
- 收藏
- 关注
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