随笔分类 -  吴恩达机器学习笔记

第04周-多变量线性回归
摘要：4.1多维特征 多维特征长这个样子： 进一步的，我们为让公式简化，引入x0=1，这样的话，公式就变成下面这个样子： 进一步的简化，可以表示为： 4.2多变量梯度下降 首先，构建多变量线性回归的代价函数： 那么我们的目标就成功的转化为了：求取使代价函数最小的一系列参数。 那么多变量线性回归的批量梯度下 阅读全文
posted @ 2019-01-17 11:16 行走中的机器码 阅读(169) 评论(0) 推荐(0)
03达观杯文本智能挑战赛
摘要：文本分类长度较大，对文本的智能解析是很有挑战的。 阅读全文
posted @ 2019-01-15 11:10 行走中的机器码 阅读(131) 评论(0) 推荐(0)
01机器学习应用及理论分类
摘要：机器学习的两大基本问题：回归问题与分类问题。 什么是机器学习：根据已知的数据学习出一个数学函数使其能够有更强的预测能力。 学习路线：传统学习-深度学习-强化学习 阅读全文
posted @ 2019-01-15 11:09 行走中的机器码 阅读(254) 评论(0) 推荐(0)
第01周-引言
摘要：监督学习是有标签的。监督学习分为两部分：分类和回归。分类针对的是离散的问题，回归针对的是连续的问题。 无监督学习是无标签的。 阅读全文
posted @ 2019-01-15 11:04 行走中的机器码 阅读(118) 评论(0) 推荐(0)
第03周-线性代数回顾
摘要：3.1矩阵和向量 要清楚什么是矩阵，什么是向量，以及什么是维度. 3.2加法和标量乘法 3.3矩阵向量乘法 3.4矩阵的乘法及其性质 矩阵的乘法不满足交换律，只满足结合律。 3.5矩阵的逆和转置 矩阵的逆： 矩阵的转置： 矩阵转置的基本性质： 阅读全文
posted @ 2019-01-15 10:59 行走中的机器码 阅读(152) 评论(0) 推荐(0)
第02周-单变量线性回归
摘要：一个有监督的房价训练模型如下所示： 单变量线性回归问题： 模型预测值与训练实际值之间的差距，就是建模误差。 一般常用的代价函数是平方误差函数，之所以提出误差的平方和，是因为误差平方代价函数对于大多数问题特别是回归问题，都是一个合理的选择。 常使用梯度下降作为求函数最小值的算法，开始时我们随机选择一个 阅读全文
posted @ 2019-01-15 10:54 行走中的机器码 阅读(97) 评论(0) 推荐(0)