机器学习
yhy1315
脑瘫码农
展开
-
吴恩达机器学习笔记
线性回归方程 为了解决实际生活中的问题,我们通常需要一个数学模型。比如,小明有一个房子(他想卖掉房子),为了知道房子的价格,小明收集了该地区近两年的房屋交易价格,他发现房屋价格与房屋大小呈正相关,所以他画了了一幅图 小明的房屋大小用红色的×代替。可见和小明房屋一样大小的房子并不存在,而类似的房屋价格又有很大差别,如此小明决定用一个数学函数来呈现该地区不同房屋大小的价格趋势。这就是拟合。原创 2018-01-22 10:49:36 · 3343 阅读 · 0 评论 -
Octave实现线性回归(梯度下降)
Octave实现线性回归(梯度下降) 这几天看了吴恩达老师的视频,看到神经网络的时候想着把以前的东西巩固一下,所以用Octave实现了一下线性回归。 我这就先直接贴代码,过几天再来加注释。 function jVal = costFunction(theta) sum_ = 0; len = size(theta)(1); load('train3.txt')原创 2018-01-25 12:05:07 · 2375 阅读 · 0 评论 -
逻辑回归和决策边界的解释和代码实现(Octave)
这一次,我们从回归问题走向了分类问题 1.拟合函数的选择 现实世界中我们不仅仅需要实际值的预测,更需要类别的预测。比如,邮件属于垃圾邮件还是正常邮件、性别区分男女等等。在这些问题中,我们的目标只有两种状态,1(是)、0(非),如果采用之前的回归模型,那么我们将会得到,大于1或者小于1的实际值。因为我们回归模型问题中,是用一个函数来拟合数据 想要实现分类模型,我们先来看一看实际问题。原创 2018-01-23 11:57:41 · 3981 阅读 · 0 评论