摘要： 代码（Astar.m文件） % A*算法主函数，用于求从起点到目标节点的最短路径 function [path, cost] = AStar(w, startIndex, goalIndex) % w为邻接矩阵，表示图中节点间的连接关系和距离 % startIndex为起点节点的索引 % goalI 阅读全文

摘要： 以x为好咖啡例，在三角形中为好，x轴取温度，y取时间进行处理 array后一个[]是一维数组，两个[][]是二维数组 Tensor就是TensorFlow中表示矩阵的方法 这张图片的主题是关于构建神经网络架构的。 第一层（隐藏层）： layer_1 = Dense(units=3, activati 阅读全文

摘要： 使用方括号[]上标来索引不同的层（[0]也常表示输入层） 前向传播算法（传播神经元的激活） 与反向传播算法相反（其用来学习 对第一层进行计算 对第二层进行计算 第三步计算a[3]（输出层，即f(x）进行判别 阅读全文

摘要： 神经网络的应用：数据量和算力的提升 分为三层：输入层，隐藏层，输出层（该演示仅一个隐藏层） 有时候也叫做多层感知器； 将左边盖起来，右边可以采用逻辑回归学习特征 神经网络很好的一个特性是 当从数据来训练时，不需要明确的来确定哪些是特征 设计：多少个隐藏层，每个隐藏层多少个神经元 1000x1000个 阅读全文

摘要： 过拟合是机器学习中一个常见的问题，它发生在模型在训练数据上表现得很好，但在未见过的测试数据上表现不佳时。 这通常是因为模型过于复杂，捕捉到了训练数据中的噪声和细节，而没有学习到数据的一般模式。 过拟合的定义 过拟合是指模型在训练数据上能够获得比其他假设更好的拟合，但在训练数据外的数据集上却不能很好地 阅读全文

摘要： 使用同步更新来执行更新的办法 罗杰斯特回归的梯度下降 这张图片展示了逻辑回归中的梯度下降算法。逻辑回归是一种广泛使用的分类算法，它使用一个逻辑函数来预测事件发生的概率。梯度下降是一种优化算法，用于最小化损失函数，从而找到最佳的模型参数。 图片中的内容可以分为几个部分： 梯度下降的迭代更新公式： 对于 阅读全文

摘要： 这张图展示了逻辑回归模型在处理分类数据时的一个示例，特别是关于肿瘤大小与肿瘤性质（良性或恶性）之间的关系。 图中各个部分的解释： 坐标轴： 横轴（X轴）表示肿瘤的大小。 纵轴（Y轴）表示肿瘤是良性（0）还是恶性（1）。 数据点： 蓝色圆圈代表良性肿瘤。 红色叉号代表恶性肿瘤。 决策边界： 蓝色曲线是 阅读全文