吴恩达机器学习
文章平均质量分 59
wyg1997
恰如猛虎卧荒丘,潜伏爪牙忍受。
展开
-
吴恩达机器学习 - 神经网络的反向传播算法
题目链接:点击打开链接笔记: 因为这一部分的内容确实难度比较大,所以我准备按最后一页笔记的思路一点一点的写出实现的思路和我的想法。首先让数据可视化执行代码load('ex4data1.mat');m = size(X, 1);sel = randperm(size(X, 1)); %乱序后随机选择100组数据进行展示sel = se...原创 2018-06-21 20:59:35 · 4825 阅读 · 16 评论 -
吴恩达机器学习 - 逻辑回归——多元分类
题目链接:点击打开链接学习笔记:数据可视化:load('ex3data1.mat');m = size(X, 1);rand_indices = randperm(m); %随机置换每个样本sel = X(rand_indices(1:100), :); %取前100个样本displayData(sel); %数据可视化...原创 2018-06-19 20:47:49 · 1159 阅读 · 0 评论 -
吴恩达机器学习 - 逻辑回归的正则化
题目链接:点击打开链接先贴笔记 代码:costFunction.m(求代价和各方向梯度)(注意:Θ0Θ0Θ_{0}单独计算):function [J, grad] = costFunctionReg(theta, X, y, lambda)%COSTFUNCTIONREG Compute cost and gradient for logistic regres...原创 2018-06-19 15:07:25 · 1247 阅读 · 2 评论 -
吴恩达机器学习 - 逻辑回归
题目链接:点击打开链接先贴笔记 然后是代码plotData.m(可视化数据):function plotData(X, y)%PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y) plots the data points with + for the ...原创 2018-06-19 12:49:09 · 620 阅读 · 0 评论 -
吴恩达机器学习 - 推荐系统
题目链接:点击打开链接笔记: 每个算法最重要的莫过于代价函数了:公式:求代价:求梯度:Code(cofiCostFunc.m):function [J, grad] = cofiCostFunc(params, Y, R, num_users, num_movies, ... ...原创 2018-06-25 22:26:51 · 818 阅读 · 2 评论 -
吴恩达机器学习 - 异常检测
题目链接:点击打开链接笔记: 数据可视化:load('ex8data1.mat');% Visualize the example datasetplot(X(:, 1), X(:, 2), 'bx');axis([0 30 0 30]);xlabel('Latency (ms)');ylabel('Throughput (mb/s)');效果图:...原创 2018-06-25 21:09:33 · 489 阅读 · 0 评论 -
吴恩达机器学习 - 正规函数
题目链接:点击打开链接老规矩先贴笔记按照公式写代码就可以啦:normalEqn.m:function [theta] = normalEqn(X, y)%NORMALEQN Computes the closed-form solution to linear regression % NORMALEQN(X,y) computes the closed-for...原创 2018-06-18 19:40:21 · 421 阅读 · 0 评论 -
吴恩达机器学习 - 多变量线性回归
题目链接:点击打开链接先附上笔记 然后是程序的运行流程:首先是对数据的特征缩放,使用均值归一化的方式: featureNormalize.mfunction [X_norm, mu, sigma] = featureNormalize(X)%FEATURENORMALIZE Normalizes the features in X % FEATURENO...原创 2018-06-18 17:50:26 · 421 阅读 · 0 评论 -
吴恩达机器学习 - 单变量线性回归习题
题目链接:点击打开链接这篇博客只是实现了单变量线性回归,多变量的内容在下一篇博客中展现。首先表述下文符号的含义m = 训练样本的数量x = 输入变量/特征y = 输出变量/目标变量(x,y) = 训练样本$(x^{(i)},y^{(i)})$ = 第i个样本首先展示几个学到的公式:1.假设函数hθ(x)=θ0+θ1xhθ(x)=θ0+θ1xh_{θ}(x)=θ_...原创 2018-06-18 16:40:02 · 682 阅读 · 2 评论 -
吴恩达机器学习 - PCA算法降维
题目链接:点击打开链接笔记:数据可视化:求矩阵U和S(pca.m):function [U, S] = pca(X)%PCA Run principal component analysis on the dataset X% [U, S, X] = pca(X) computes eigenvectors of the covariance matrix ...原创 2018-06-25 13:08:17 · 1043 阅读 · 0 评论 -
吴恩达机器学习 - 无监督学习——K-means算法
题目链接:点击打开链接笔记: 核心步骤:那我们就实现这两个函数就行啦:findClosestCentroids.m(把每个点染色):function idx = findClosestCentroids(X, centroids)%FINDCLOSESTCENTROIDS computes the centroid memberships for eve...原创 2018-06-25 12:02:37 · 2056 阅读 · 0 评论 -
吴恩达机器学习 - 支持向量机(SVM)
题目链接:点击打开链接笔记: 无核SVM数据可视化:Code(命令行):% Load from ex6data1: % You will have X, y in your environmentload('ex6data1.mat');% Plot training dataplotData(X, y);效果图:训练Code(这...原创 2018-06-24 14:40:42 · 2840 阅读 · 1 评论 -
吴恩达机器学习 - 评估假设
题目链接:点击打开链接正则线性回归:可视化数据:Code:load ('ex5data1.mat');plot(X, y, 'rx', 'MarkerSize', 10, 'LineWidth', 1.5);结果为:代价函数:公式(并正则化):Code(填充在linearRegCostFunction.m中):t = X*theta-y;J ...原创 2018-06-22 20:47:29 · 807 阅读 · 0 评论 -
吴恩达机器学习 - 神经网络
题目链接:点击打开链接先贴出笔记: 本题模型:代码predict.m(其实要实现的就这一个):function p = predict(Theta1, Theta2, X)%PREDICT Predict the label of an input given a trained neural network% p = PREDICT(Th...原创 2018-06-19 21:27:17 · 482 阅读 · 0 评论