- 博客(7)
- 收藏
- 关注
原创 coursera-Machine Learning--吴恩达-week4--学习笔记--神经网络
1 神经网络提出前面所学线性回归和逻辑回归,在面对以下问题时,并不能很好的画出分类边界: 这类问题是非线性的(多项式回归),但是这种函数会因为特征量的增多导致二次项数的剧增。 比如在图像识别中,一个50×50像素的图片,拥有的特征量为2500,那么它的二次项数为2500*2500/2,大约为3百万个。 基于以上情况,提出神经网络。2神经网络算法2.1 神经元神经网络由...
2018-08-11 11:25:34 533
原创 coursera-Machine Learning--吴恩达-week3--逻辑回归--学习笔记
1 分类 classification1.1分类描述前面学习的线性回归输出的预测值是连续的,但对于有些问题,比如判断一封邮件是否为垃圾邮件,肿瘤的恶性还是良性等问题,其分类的结果思离散的,对于这些问题,我们可以通过输出值y ϵ {0, 1} 来表示,其值不再连续,而是离散,故前面的线性回归模型不再适用,需要提出新的模型。1.2 分类模型表示根据前章节的学习思路,依旧利用假设函数...
2018-08-10 22:55:30 570
原创 coursera Machine Learning--吴恩达--week2 学习笔记
1多变量线性回归(对比单变量线性回归)1.1多变量假设:输入为多维特征。1.2拟合函数: 这里令x0 = 1,将变量向量化,向量化的过程如下: 1.3 损失函数和梯度下降对比单变量,损失函数知识参数变多: 梯度下降法也没有变,只是需要同时更新的参数变多: - 参数变多,加之样本数量变多,原来的批梯度下降收敛速度慢,改进方式为:随机梯度下降...
2018-08-10 20:53:52 348
原创 coursera Machine Learning--吴恩达--week1 学习笔记
1机器学习分类1.1监督学习 Supervised learning(已知经验数据以及其对应的标签)回归 regression (连续值)分类 classidication(离散值)1.2非监督学习 Unsupervised learning(有以往数据,但不知道他们的分类)聚类 clustering非聚类 non-clustering2单变量线...
2018-08-10 17:49:01 321
原创 吴恩达 Machine Learning week4--quiz4--Neural Networks: Representation课后习题
Which of the following statements are true? Check all that apply.Suppose you have a multi-class classification problem with three classes, trained with a 3 layer network. Let a^{(3)}1 = (h\Theta(...
2018-08-10 15:07:04 2523
原创 吴恩达 Machine learning week3 quiz2 --Regularization答案解析
题1: You are training a classification model with logistic regression. Which of the following statements are true? Check all that apply.Introducing regularization to the model always results in e...
2018-08-09 13:21:42 2828
原创 吴恩达Machine learning-- week3课后作业
解析:hθ(x) will give us the probability that our output is 1, hθ(x) 表示y=1时的概率 解析:求解中,该答案是错的,劳烦大神们指教。 解析:注意线性回归和逻辑回归的区别 解析: sigmoid函数的取值范围是(0,1). 正确 costFunction 大于等于0. 正确 解析:...
2018-08-08 22:11:24 1422 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人