吴恩达机器学习学习笔记
一晚好梦
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习第七章学习笔记
过度拟合问题(the problem of overfitting) 由上图知,第一个图拟合数据不是很好,这又被称为欠拟合(underfitting)或高偏差(high bias)。 第二个图不错。 第三张图虽然看着过了每个数据,但因为变量过多,该模型无法泛化(即将模型应用到新样本的能力),所以又被称为过度拟合或高方差(high variance)。 解决过度拟合的方法: 一:尽可能减少所选择...原创 2020-01-19 20:26:20 · 198 阅读 · 0 评论 -
吴恩达机器学习第六章学习笔记
逻辑回归(logistic regression) 逻辑回归算法实际是分类算法。 二元分类问题(binary classification problem) 如上图,这是一个判断肿瘤恶性值的二元分类问题,我们画出了如粉线所示的线性回归图像,设阈值为0.5,若hθ(x)>0.5h_\theta^{(x)}>0.5hθ(x)>0.5则被归类于y=1y=1y=1,hθ(x)<...原创 2020-01-19 16:13:49 · 272 阅读 · 0 评论 -
吴恩达机器学习第四章学习笔记
多变量线性回归(linear regression with multiple variables) 基本公式及字母 一个数据对应着上表中的一行,θ(2)\theta^{(2)}θ(2)代表第二个数据。(也就是表中红线圈出的位置) xj(i)x_j^{(i)}xj(i):代表第i个数据,第j个特征量 如x3(2)x_3^{(2)}x3(2)代表2 多元线性回归公式为: hθ(x(i))=θ0...原创 2020-01-17 23:33:53 · 244 阅读 · 0 评论 -
吴恩达机器学习第二章学习笔记
单变量线性回归(linear regression with one variable) x(i)x^{(i)}x(i):输入变量 y(i)y^{(i)}y(i):输出变量 (x(i),y(i))(x^{(i)},y^{(i)})(x(i),y(i)):训练范例 mmm:训练样本的数量 hhh(hypothesis):假设函数 hθ(x)=θ0+θ1xh_\theta^{(x)}=\theta_0...原创 2020-01-16 21:41:31 · 133 阅读 · 0 评论 -
吴恩达机器学习第一章学习笔记
1.机器学习 在有性能度量值(performance measure)的情况下,为了解决特定的任务,程序从经验(程序成千上万次的运行)中学习,之后能更好的解决任务,这个过程可以称之为机器学习。 2.监督学习(supervised learning) 给监督学习算法一个已知输出的结果的数据集(并且数据具有标签(或者说属性),我们清楚地知道每个数据代表的含义),预测不在数据集中的数据的输出结果。 监督...原创 2020-01-08 12:41:55 · 204 阅读 · 0 评论