![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
machine-learning
倞哥哥
这个作者很懒,什么都没留下…
展开
-
吴恩达machine-learning神经网络
简简单单分为6步 一.构建神经网络,初始化权重 1.根据得到的数据初步构建一个神经网络 2.正向输出神经网络,求出h的值 3.根据h求出J的值 4.根据最后一层的误差可以求出上一层的误差(一直到第二层) 5.误差可以求出theta的值 6.梯度下降 ...原创 2020-08-09 21:33:34 · 122 阅读 · 0 评论 -
machine-learning怎样选择训练模型
1.对数据集的处理 一般来说要对数据集作一个2:2:6的处理,分别是测试集,交叉测试集,训练集(且最好是随机化) 2.选择训练模型 训练模型的形状大致跟两个参数有关一个是hypothesis函数的最高幂,用d来表示。 一个是正则项的系数,用λ表示 d的值越高,对数据的拟合度就越高,反之越低 λ过大则有可能出现训练模型为一条直线的情况,λ过小则有可能过拟合 那么要怎么选择这两个的值呢? 首先我们选取幂的值大致在1-10这个范围,一般我会先观察数据集,大致得出一个理想的线条来拟合它,初步估计是怎样的一个线条,不原创 2020-08-09 21:31:28 · 551 阅读 · 0 评论 -
machine-learning监督学习和无监督学习
监督学习的前提就是有一个已知的数据集,然后设定一个特定的程序去训练它,最终使它具有某种功能比方说回归、分类 无监督学习的应用应该建立在你有一堆数据集,但是它是杂乱无章没有规律,那么你用无监督学习,使计算机自动的根据这些数据的特征进行分类,形成一个一个的簇,这就是聚类算法。 ...原创 2020-08-05 09:30:32 · 135 阅读 · 0 评论 -
吴恩达machine-learning逻辑回归
1.假设函数h(x),因为逻辑回归算法的y值只有零和一两个值,那么如果依然要用线性回归的方程来表达这一种趋势的话,会导致误差很大 于是就引进了一个sigmoid函数,这个函数是无限趋近于0和1。 也就是h(x)=g(z)=1/1+e^(-z)。所以我们假设当这个函数的值取到>=0.5时,那么就表示预测y=1. 也就是说当z>=0时(z的值就可以表示为theta’*X,相当于线性回归里的h(x)) 那么如果我们得到的数据集是这样的,我们的最终目标就是找到最好的那个theta值,能够很好的区别原创 2020-08-04 20:49:40 · 150 阅读 · 0 评论 -
Coursera吴恩达machine-learning第一次作业回顾
每个项目老师都给我们写好了大致模板,我们需要完成的就是打开老师的文件然后在函数文件中写出函数 作业内容:根据目前已知的城市人口以及收益推断出在别的城市开餐馆能否盈利 作业目的:根据给出的数据集来训练一个算法模型,用来计算新给出的数据 %% ==================== Part 1: Basic Function ==================== % Complete warmUpExercise.m 比方说老师给的part1说的就是让我们打开warmUpExercise.m这个文件,写原创 2020-07-31 16:04:13 · 320 阅读 · 0 评论