摘要：
多分类问题 将邮件分为不同类别/标签：工作（y=1），朋友（y=2），家庭（y=3），爱好（y=4） 天气分类：晴天（y=1），多云天（y=2），下雨天（y=3），下雪天（y=4） 医学图示（Medical diagrams）：没生病（y=1），感冒（y=2），流感（y=3） 二分类问题的示意图如下 阅读全文
posted @ 2018-10-26 20:16
qkloveslife
阅读(6708)
评论(0)
推荐(0)
摘要：
问题： 给出代价函数J(θ)，需要最小化J(θ) 给出初始θ后，我们需要反复计算 \[J\left( \theta \right)\] \[\frac{\partial }{{\partial {\theta _j}}}J\left( \theta \right)\] 梯度下降算法： 重复{ \[{ 阅读全文
posted @ 2018-10-25 18:58
qkloveslife
阅读(392)
评论(0)
推荐(0)
摘要：
逻辑回归的代价函数 \[J\left( \theta \right) = - \frac{1}{m}[\sum\limits_{i = 1}^m {{y^{\left( i \right)}}\log \left( {{h_\theta }\left( {{x^{\left( i \right)}} 阅读全文
posted @ 2018-10-25 18:47
qkloveslife
阅读(482)
评论(0)
推荐(0)
摘要：
训练集：\[\left\{ {\left( {{x^{\left( 1 \right)}},{y^{\left( 1 \right)}}} \right),\left( {{x^{\left( 2 \right)}},{y^{\left( 2 \right)}}} \right),...,\left 阅读全文
posted @ 2018-10-25 18:22
qkloveslife
阅读(1623)
评论(0)
推荐(0)
摘要：
逻辑回归模型 如何定义hθ(x)，使得0≤hθ(x)≤1 令 \[{h_\theta }(x) = g\left( {{\theta ^T}x} \right)\] 其中g(x)称为Sigmoid function或logistic function \[g\left( z \right) = \f 阅读全文
posted @ 2018-10-25 16:33
qkloveslife
阅读(354)
评论(0)
推荐(0)
摘要：
分类问题举例（Classification） Email: Spam / Not Spam? 判断邮件是不是垃圾邮件 Online Transactions: Fraudulent(Yes / No)? 在线交易是不是欺诈 Tumor: Malignant / Benign? 肿瘤是良性还是恶性 二 阅读全文
posted @ 2018-10-25 11:01
qkloveslife
阅读(266)
评论(0)
推荐(0)
摘要：
Normal equation: Method to solve for θ analytically 正规方程：分析求解θ的方法 对于损失函数 \[J\left( {{\theta _0},{\theta _1},...,{\theta _n}} \right) = \frac{1}{{2m}}\ 阅读全文
posted @ 2018-10-23 22:39
qkloveslife
阅读(294)
评论(0)
推荐(0)
摘要：
Features and Polynomial Regression We can improve our features and the form of our hypothesis function in a couple different ways. 我们可以通过几种不同的方式改进我们的特 阅读全文
posted @ 2018-10-23 21:15
qkloveslife
阅读(230)
评论(0)
推荐(0)
摘要：
“Debugging”: How to make sure gradient descent is working correctly 怎样确保梯度下降算法正确的运行 迭代次数从100-200时，损失函数变化较大； 迭代次数从300-400时，损失函数变化不大，说明算法在300处开始收敛 通过画出损 阅读全文
posted @ 2018-10-23 20:17
qkloveslife
阅读(853)
评论(0)
推荐(0)
摘要：
Feature Scalling Idea: Make sure features are on a similar scale 特征缩放 想法：确保所有的特征在相似的范围 为什么进行特征缩放？ 例如：x1 = size (0-2000 feet2) x2 = number of bedrooms 阅读全文
posted @ 2018-10-22 21:45
qkloveslife
阅读(868)
评论(0)
推荐(0)
浙公网安备 33010602011771号