摘要：第四周 Model Representation I 让我们来看看如何使用神经网络来表示假设函数。在非常简单的水平上，神经元基本上是将输入（树突）作为输入到输出（轴突）的电输入（称为“尖峰”）的计算单元。在我们的模型中，我们的树突像输入特征x1 ... xn，输出是我们的假设函数的结果。在这个模型中 阅读全文

摘要：第五课 控制语句和方程 For,while,if statements and functions (1)For loop v=zeros(10,1) %initial vectors for i=1:10, %Assign for the vectors v(i) = 2^i; end; v (% 阅读全文

摘要：第四课 Plotting Data 绘图数据 t = [0,0.01,0.98]; y1 = sin(2*pi*4*t); y2 = cos(2*pi*4*t); plot(t,y1);(绘制图1) hold on;(图1不消失) plot(t,y2,'r');(用红色绘制图2) xlable('t 阅读全文

摘要：第三课 Culculating Data 数据计算 矩阵计算 1.简单的四则运算 2.相乘除，乘方运算（元素位运算） “.*”为对应元素的相乘计算 “./”为对应元素的相乘计算 另外，“1 ./A”得到矩阵中每个元素的倒数 “.^”为对应元素的乘方计算 3.转置和取逆 “a'”为矩阵a的转置矩阵 i 阅读全文

摘要：第二课 Moving Data 数据移动 常用内置函数 (1)加载文件 load 文件名.dat(或load('文件名.dat')) 接着输入文件名便可查看文件里的数据 (2)显示当前工作空间的所有变量 who/whos（更详细） (3)清除变量 clear 变量名 直接输入clear的话将删除当前 阅读全文

摘要：Octave Tutorial 第一课 Computation&Operation 数据表示和存储 1.简单的四则运算，布尔运算，赋值运算（a && b，a || b，xor(a,b)）等。 注意：（1）在Octave中，“不等于”的符号是”~=”。（2）用%做注释。(3)变量后面接；抑制打印输出。 阅读全文

摘要：第三周 第一部分 Classification and Representation Classification 为了尝试分类，一种方法是使用线性回归，并将大于0.5的所有预测映射为1，所有小于0.5的预测作为0.然而，此方法不能很好地工作，因为分类实际上不是线性函数。 分类问题就像回归问题，只是 阅读全文

摘要：第二周 第一部分 Multivariate Linear Regression Multiple Features Note: [7:25 - θT is a 1 by (n+1) matrix and not an (n+1) by 1 matrix] Linear regression with 阅读全文

摘要：《Machine Learning》系列学习笔记 第一周 第一部分 Introduction The definition of machine learning （1）older, informal definition——Arthur Samuel——"the field of study th 阅读全文