随笔分类 - 机器学习
摘要：作业说明 Exercise 3，Week 4，使用Octave实现图片中手写数字 0-9 的识别，采用两种方式（1）多分类逻辑回归（2）多分类神经网络。对比结果。 （1）多分类逻辑回归：实现 lrCostFunction 计算代价和梯度。实现 OneVsAll 使用 fmincg 函数进行训练。使用
阅读全文
摘要：【1】 Answer：C 【2】 Answer：D 第二层要输出四个元素a1 a2 a3 a4。输入x有两个，加一个x0是三个。所以是4 * 3 【3】 Answer：C 【4】 Answer：C 【5】 Answer：A 相当于x1==0&&x2==0 【6】 Answer：C 10个类别，输出层
阅读全文
摘要：转：https://blog.csdn.net/red_stone1/article/details/80517672 课程介绍台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程：《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多
阅读全文
摘要：指数分布族 The exponential family 因为广义线性模型是围绕指数分布族的。大多数常用分布都属于指数分布族，服从指数分布族的条件是概率分布可以写成如下形式： η 被称作自然参数(natural parameter），或正则参数canonical parameter)，它是指数分布族
阅读全文
摘要：Logistic Regression 逻辑回归 1.模型 逻辑回归解决的是分类问题，并且是二元分类问题(binary classification)，y只有0，1两个取值。对于分类问题使用线性回归不行，因为直线无法将样本正确分类。 1.1 Sigmoid Function 因为 y∈{0,1}，我
阅读全文
摘要：机器学习三要素 机器学习的三要素为：模型、策略、算法。 模型：就是所要学习的条件概率分布或决策函数。线性回归模型 策略：按照什么样的准则学习或选择最优的模型。最小化均方误差，即所谓的 least-squares(在spss里线性回归对应的模块就叫OLS即Ordinary Least Squares)
阅读全文
摘要：作业说明 Exercise 2，Week 3，使用Octave实现逻辑回归模型。数据集 ex2data1.txt ，ex2data2.txt 实现 Sigmoid 、代价函数计算Computing Cost 和 梯度下降Gradient Descent。 文件清单 ex2.m - Octave/MA
阅读全文
摘要：神经网络是一种受大脑工作原理启发的模式。 它在许多应用中广泛使用：当您的手机解释并理解您的语音命令时，很可能是神经网络正在帮助理解您的语音; 当您兑现支票时，自动读取数字的机器也使用神经网络。 8.1 非线性假设 Non-linear Classification 参考视频 : 8 - 1 - No
阅读全文
摘要：Lecture7 Regularization 正则化 7.1 过拟合问题 The Problem of Overfitting7.2 代价函数 Cost Function7.3 正则化线性回归 Regularized Linear Regression7.4 正则化的逻辑回归模型 Regulari
阅读全文
摘要：课上习题 【1】线性回归 Answer： D A 特征缩放不起作用，B for all 不对，C zero error不对 【2】概率 Answer：A 【3】预测图形 Answer：A 5 - x1 ≥ 0时，y = 1。即x1 ≤ 5时，y = 1 【4】凸函数 【5】代价函数 Answer：A
阅读全文
摘要：Lecture6 Logistic Regression 逻辑回归 6.1 分类问题 Classification6.2 假设表示 Hypothesis Representation6.3 决策边界 Decision Boundary6.4 代价函数 Cost Function6.5 简化的代价函数
阅读全文
摘要：作业说明 Exercise 1，Week 2，使用Octave实现线性回归模型。数据集 ex1data1.txt ，ex1data2.txt 单变量线性回归必须实现，实现代价函数计算Computing Cost 和 梯度下降Gradient Descent。 多变量线性回归可选，实现 特征Featu
阅读全文
摘要：5.6 向量化 Vectorization 参考视频: 5 - 6 - Vectorization (14 min).mkv 下面是向量化的小例子，如果将所有u(j) 、所有v(j)、所有w(j)都看成列向量，则公式变为为向量加法 u = 2v + 5w 再复杂一些，在线性回归中 h(x) 的公式如
阅读全文
摘要：5.5 控制语句： for， while， if 语句 参考视频: 5 - 5 - Control Statements_ for, while, if statements (13 min).mkv 定义函数 squareThisNumber(x)，内容如下： 将函数保存为squarethisnu
阅读全文
摘要：5.4 绘制数据图 参考视频: 5 - 4 - Plotting Data (10 min) 5.4.1 绘制曲线 2、画一个cos曲线 绘制多张图，需要指定将哪个曲线放在哪个图中。否则会一直绘制在当前窗口，覆盖之前的图形 点击一下第一张图片，再运行一下上面那行代码，图变为： 5.4.2 绘制可视化
阅读全文
摘要：Lecture 5 Octave教程 5.1 基本操作 Basic Operations 5.2 移动数据 Moving Data Around 5.3 计算数据 Computing on Data 5.4 绘制数据图 Plotting Data 5.5 控制语句： for， while， if 语
阅读全文
摘要：Gradient Descent for Multiple Variables 【1】多变量线性模型 代价函数 Answer：AB 【2】Feature Scaling 特征缩放 Answer：D 【3】学习速率 α Answer： B，因为第一个比第二个下降的快。第三个上升说明α太大 【4】Mea
阅读全文
摘要：Question 1 Consider the problem of predicting how well a student does in her second year of college/university, given how well she did in her first ye
阅读全文
摘要：Lecture 4 Linear Regression with Multiple Variables 多变量线性回归 4.1 多维特征 Multiple Features4.2 多变量梯度下降 Gradient Descent for Multiple Variables4.3 梯度下降法实践 1
阅读全文
摘要：Lecture3 Linear Algebra Review 线性代数回顾 3.1 矩阵和向量3.2 加法和标量乘法3.3 矩阵向量乘法3.4 矩阵乘法3.5 矩阵乘法的性质3.6 逆、转置 3.1 矩阵和向量 参考视频: 3 - 1 - Matrices and Vectors (9 min).m
阅读全文
浙公网安备 33010602011771号