wx0628的博客

线性回归最简单的线性回归函数在Octave中的实现以下是回时调用：%rap表示回归计算的步长%minvalues表示回归计算的最小偏差，如果小于该值则表示拟合成功，返回TheTa%maxtimes表示最大拟合次数，如果达到该次数，即使没有拟合成功，也返回最后一次的TheTa值%x表示x的矩阵%y表示结果集%theta表示参数集function [TheTa,bResult] = ...

数据源采集吴恩达教授第6课的练习数据（ex6data3.mat）：1、在Ocatve中导入数据；L1=load(‘ex6data3.mat’);2、构建相关的记录集，并使用Plot观察数据：x=ones(size(L1.X)(1),3);x(:[2,3])=L1.X;y=L1.yy0=find(y0);y1=find(y1);plot(x1(y1,2),x1(y1,3),’+’...

命题：hθ(x)=y=θ0+θ1*x1+θ2*x2+θ3*x12+θ4*x22正则化的思路需要分析每个参数对结果的影响，如果该参数对结果影响不大，则就需要把该参数拿掉，反之，则需要保留该参数。如果我们θ3是一个很小的参数，例如：0.00023，则我们认为θ3*x12是一个多余项；所以对原来代价函数做如下调整（使用λ来调整前后两个表达式之间的权重关系）：针对上述的表达式求导：以下的代...

关于逻辑函数的导数计算过程，但是需要自己实践计算下。可以参考：https://blog.csdn.net/paopaohll/article/details/81807431整体的逻辑函数过程可以参考吴恩达的课件（网易云课堂）%入参：rap表示回归计算的步长 %入参：minvalues表示回归计算的最小偏差，如果小于该值则表示拟合成功，返回TheTa%入参：maxtimes表示最大拟合次数...

原本是在Win7环境下面（虚拟机）安装Conda的，但是在进行环境创建或者执行命令conda update --all的时候，会报SSLError(MaxRetryError('HTTPSConnectionPool(host=\'mirrors.tuna.tsinghua.edu.cn\', port=443): Max retries exceeded with url: /anacond...

关于对支持向量机核函数的理解针对上图中：选择三个点l(1)、l(2)、l(3)，那么针对一个点X(i)到l(1)、l(2)、l(3)三个点的距离，按照正常的思维逻辑来理解：如果l(1)、l(2)是正样品，那么x(i)离这两个点越近，代表最终y=1的机率应该是越高的；反之，如果远离这两个点，则代表y=0的机率应该是越高的。带着这个现象，我们再看下支持向量机的核函数。假设：y=θ0+θ1*f...

前提：本文中使用的算法是在《【线性回归】多元线性回归函数在Octave中的实现（二）》中进行描述。命题：根据生产环境的中的用户功能使用情况，来推断接下来的用户使用量。使用数据如下：输入：天数（1，代表2018-12-01号；以后类似）1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17输出：使用量6144 3372 21119 15909 1504...

注：每次使用的时候，都需要到网上各种搜索，太痛苦了，专门放一个地方，以方便自己查阅。所有的i，j之类的小写代表常量，大写的X，Y代表矩阵或者向量1、矩阵及向量：ones(i,j):zeros(i,j)pinv(X):X’:find(条件):示例用户：将Y向量中的0，与1分开。 Y1=find(Y1); Y0=find(Y0);则X条件矩阵中的对于结果1的记录集，就可以使用X(Y...

K-Means聚类算法，感觉是接触到目前为止，距离程序员思维最近的算法，应该也是使用到的数理知识最简单的算法。所以在记笔记的时候，忍不住，又去实现了一把，但是根据吴大大（吴恩达）的介绍来看，的确是不需要每个算法都自己去写的，而是需要了解的算法的本质、知道算法适用的场景，多加练习，才能达到熟能生巧的程度。符号“o”表示数据点。符号“x”表示我们需要寻找的中心点。主要思路描述：1、在所有的点...