Zeren

摘要： 1. 一对多分类方法：就是one vs rest，有几类，就训练几个分类器，把新输入分别带入看哪个分类器的分数最高。 2. 参数与代价函数：我们初始的代价函数由初始参数（后面会讲到初始参数的几种选择方法）与各个特征值组成，经过梯度下降法不断迭代找到使得代价函数最小的参数值。我们可以绘制一幅图来明确的 阅读全文

摘要： 1. 梯度下降法寻找参数，使训练模型的代价函数值最小。梯度下降法就是对代价函数关于参数θ求偏导，不断迭代（一般由迭代次数限制）。梯度下降法找到的参数可能是局部最优解，而并非全局最优解。 2. 特征缩放以及均值归一化。特征缩放是为了将两个或多个范围不同的特征值缩放至近似的范围，从而使梯度下降法运行的更 阅读全文

摘要： 神经网络是一个迭代的过程，从初始特征值中训练出新的特征值，再以此为基础训练出更新的特征值，直到输出所求分类的类别。 神经网络模型都是训练前就定好的，有几个隐藏层，每层有几个单元（怎么定的暂且还不清楚）。默认是一个隐藏层，如有多个隐藏层，则需保证每个隐藏层的单元数相同。 反向传播算法计算下降梯度，也就 阅读全文

摘要： 这是梯度下降算法，θj 是待求的模型假设函数的参数，J(θ) 是代价函数，α 是学习率。 关于学习率α ，它的大小决定了你的算法的优劣，过大有可能导致算法不收敛；过小则会导致迭代次数太多，算法执行时间太长。 因此选择一个合适的 α 是十分重要的，之前老是听别人说什么“调参侠”，可能就是人工调试类似这 阅读全文

摘要： Use some particular functions, such as gradient descent, to minimize the cost function and finally get the hypothesis. 阅读全文