![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 94
Yuancccc
脚踏实地,一路坚持。
展开
-
机器学习4——神经网络(反向传播)
一、神经网络 在前面的练习中,你实现了神经网络的前馈传播,并利用它预测手写数字的权重。在这个练习中,你将实现反向传播算法来学习神经网络的参数。 1.1 Visualizing the data(可视化数据) 这与您在上一次练习中使用的数据集相同。在ex3data1.mat中有5000个训练示例,其中每个训练示例是20像素乘20像素的数字灰度图像。像素用浮点数表示,表示该位置的灰度强度。20...原创 2018-12-24 21:08:50 · 919 阅读 · 0 评论 -
机器学习(5):正则线性回归与偏差V.S.方差
在本练习中,您将实现正则线性回归,并使用它来研究具有不同偏差-方差特性的模型。 1、Regularized Linear Regression 正则线性回归 在前半部分的练习中,你将实现正则化线性回归,以预测水库中的水位变化,从而预测大坝流出的水量。在下半部分中,您将通过一些调试学习算法的诊断,并检查偏差 v.s. 方差的影响。 1.1 Visualizing the dataset 可视化数据集...原创 2018-12-25 23:29:45 · 603 阅读 · 0 评论 -
机器学习6——SVM
1、支持向量机 在本练习的前半部分,您将使用支持向量机(SVM)具有各种示例2D数据集。 试验这些数据集将帮助您直观了解SVM的工作原理以及如何使用高斯分布内核与SVM。 在练习的下半部分,您将使用支持矢量机器来构建垃圾邮件分类器。提供的脚本ex6.m将帮助您逐步完成上半部分练习。 1.1数据集 示例1 我们将从一个2D示例数据集开始,该数据集可以用a分隔线性边界。 脚本ex6.m将绘制训练...原创 2019-03-04 20:57:36 · 282 阅读 · 0 评论