2018年08月_yyxyuxueYang

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

yyxyuxueYang的博客