![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Coursera_Machine_Learning
狂热森林
这个作者很懒,什么都没留下…
展开
-
octave-基本操作
文章目录算术运算逻辑运算变量和输出向量和矩阵首先运行这个符号,让输出更美观,不用在意它是啥。PS1('>>')算术运算加,减,乘,除,乘方等>>5+6ans = 11>>3-2ans = 1>>5*8ans = 40>>1/2ans = 0.50000>>2^6ans = 64...原创 2019-01-26 16:15:12 · 461 阅读 · 0 评论 -
逻辑回归-简化代价函数和使用梯度下降
下面这个形式的代价函数有没有可能写的简单一点?我们将y=1和y=0两个式子合并得:带入代价函数,得 J(θ)此时假设函数为将 J(θ)带入梯度下降算法求偏导得:...原创 2019-01-30 20:12:52 · 260 阅读 · 0 评论 -
逻辑回归-代价函数
凸函数和非凸函数对于线性回归问题,使用线性回归模型,我们定义的代价函数是误差的平方和。同样的,理论上说,我们对分类问题,使用逻辑回归模型的也定义代价函数的误差的平方和,但是这里有个问题出现了。我们将假设(Hypothesis) : 代入到代价函数中,我们得到的代价函数是一个非凸函数(non-convex function),其曲线图下图所示,这意味着我们的代价函数有许多局部最小值,...原创 2019-01-30 19:42:50 · 759 阅读 · 0 评论 -
逻辑回归-判定边界
文章目录什么是判定边界如何利用判定边界线性的决策边界非线性的决策边界什么是判定边界了解判定边界的概念,可以帮助我们理解逻辑回归的假设函数到底在计算什么。从左图可以看到:对于样本类别的判断完全取决于sigmoid函数的输出该输出又与函数自变量z具有直接关系,也就是说:又因为那么上式其实就是:也就是说,对于给定的样本x,对于它的类别判断最终可由下式确定:决策边界,也...原创 2019-01-30 19:18:50 · 1130 阅读 · 0 评论 -
逻辑回归-假设函数
线性回归的假设函数对于 线性回归 我们的假设函数为:原创 2019-01-30 16:35:32 · 2432 阅读 · 0 评论 -
octave-计算数据
文章目录矩阵相乘和点乘.^矩阵中每个元素的平方./矩阵中每个元素的倒数对数运算log()和幂次运算exp()矩阵的转置find()返回元素索引magic()魔方阵,所有的行和列和对角线加起来都等于相同的值magic()和find()合用prod()所有元素乘起来floor()向下四舍五入和ceil()向上四舍五入max()求元素最大值,默认求列最大sum()所有元素加起来.默认求列和矩阵相乘和点...原创 2019-01-29 17:09:05 · 343 阅读 · 0 评论 -
正则化-过拟合问题
过拟合问题到现在为止,我们已经学习了线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过拟合(over-fitting)的问题,可能会导致它们效果很差。现在来看看什么是欠拟合,过拟合,和刚好符合。下图为房价问题的线性回归模型。其中左图为欠拟合(underfitting),也可以说算法具有高偏差(bias)。可以看出,它没有很好的拟合训练数据。...原创 2019-01-23 17:31:50 · 331 阅读 · 0 评论 -
Coursera_Machine_Learning笔记目录
文章目录5.octave教程7.正则化5.octave教程5.1 基本操作5.2 移动数据7.正则化7.1 过拟合问题7.2 代价函数原创 2019-01-26 17:08:48 · 200 阅读 · 0 评论 -
正则化-代价函数
左下图我们可以看到,在房价问题中,用一个二次函数来拟合数据 ,该模型对数据有很好的拟合。 然在右图中,如果我们用一个更高次的 项式去拟合数据, 我们可能得到一个曲线,能非常好地拟合训练集 ,但是会出现过拟合现象,不能很好的泛化新样本。为什么会这样呢?左图我们可以看到,在房价问题中,用一个二次函数来拟合数据 ,该模型对数据有很好的拟合。 然在右图中,如果我们用一个更高次的 项式去拟合数据, 我...原创 2019-01-26 16:26:19 · 2579 阅读 · 0 评论 -
octave-移动数据
文章目录矩阵的维度读取和储存数据操作数据矩阵的维度>>A=[1 2;3 4;5 6]A = 1 2 3 4 5 6>>sz = size(A) %三行两列sz = 3 2>>size(sz) %一行两列ans = 1 2 >>size(A,1) %返回A的行数a...原创 2019-01-26 16:19:28 · 246 阅读 · 0 评论 -
逻辑回归-多类别分类
什么是多类别问题比如区分邮件,用以区分来自朋友的邮件,来自家人的邮件和工作邮件。比如区分天气,区分晴天,雨天,多云,小雪。这就是多类别问题。二元分类和多类别之前我们用逻辑回归来解决了二元分类问题,如预测肿瘤的恶/良性,我们的做法是将数据集分为正类和负类。多类别分类思想类似,比如我们有个三元类,需要区分三角形,正方形和圆形。我们的做法是,将三元类拆成三个独立得二元分类,将三角形作为正样本...原创 2019-01-30 20:19:42 · 1279 阅读 · 0 评论