chalee3 - 博客园

2019年2月9日

摘要： numpy.power(n, x) 对数组n的元素分别求x次方。x可以是数字，也可以是数组，但是n和x的列数要相同。阅读全文

posted @ 2019-02-09 01:36 chalee3 阅读(702) 评论(0) 推荐(0)

摘要：与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价函数是所有建模误差的平方和，即：其中：ℎ𝜃(𝑥) = 𝜃𝑇𝑋 = 𝜃0 + 𝜃1𝑥1 + 𝜃2𝑥2+. . . +𝜃𝑛𝑥𝑛 ，我们的目标和单变量线性回归问题中一样，是要找出使得代价函数最小的一系阅读全文

posted @ 2019-02-09 01:27 chalee3 阅读(384) 评论(0) 推荐(0)

2019年2月7日

Numpy学习三：数组运算

摘要： 1、转置 #reshape(shape)函数改变数组形状，shape是一个元组，表示数组的形状创建一个包含15个元素的一维数组，通过reshape函数调整数组形状为3行5列的二维数组arr = np.arange(15).reshape((3,5))print(arr) 结果：[[ 0 1 2 3 阅读全文

posted @ 2019-02-07 00:45 chalee3 阅读(1134) 评论(0) 推荐(0)

Numpy学习二：数组的索引与切片

摘要： 1、一维数组索引与切片#创建一维数组arr1d = np.arange(10)print(arr1d) 结果：[0 1 2 3 4 5 6 7 8 9] #数组的索引从0开始，通过索引获取第三个元素arr1d[2] 结果：2 #切片,左闭右开区间，从索引3开始，直到索引7结束 arr1d[3:8] 阅读全文

posted @ 2019-02-07 00:44 chalee3 阅读(723) 评论(0) 推荐(0)

Numpy学习一：ndarray数组对象

摘要： NumPy是Python的一个高性能科学计算和数据分析基础库，提供了功能强大的多维数组对象ndarray。jupyter notebook快速执行代码的快捷键：鼠标点击选中要指定的代码框，Shift + Enter组合键直接执行代码框中的全部代码。 Alt + Enter组合键执行完代码框中的代码在阅读全文

posted @ 2019-02-07 00:43 chalee3 阅读(688) 评论(0) 推荐(0)

2019年2月5日

吴恩达机器学习笔记8-多变量线性回归(Linear Regression with Multiple Variables)--多维特征

摘要：我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(𝑥1, 𝑥1, . . . , 𝑥𝑛)。增添更多特征后，我们引入一系列新的注释：𝑛 代表特征的数量𝑥(𝑖)代表第 𝑖 个训练实例，是特征矩阵中的第𝑖行阅读全文

posted @ 2019-02-05 01:33 chalee3 阅读(277) 评论(0) 推荐(0)

2019年1月20日

吴恩达机器学习笔记7-梯度下降III(Gradient descent intuition) --梯度下降的线性回归

摘要：梯度下降算法和线性回归算法比较如图：对我们之前的线性回归问题运用梯度下降法，关键在于求出代价函数的导数，即：我们刚刚使用的算法，有时也称为批量梯度下降。实际上，在机器学习中，通常不太会给算法起名字，但这个名字”批量梯度下降”，指的是在梯度下降的每一步中，我们都用到了所有的训练样本，在梯度下降中，阅读全文

posted @ 2019-01-20 02:03 chalee3 阅读(303) 评论(0) 推荐(0)

Python中list的删除del&remove小区别

摘要： del删除时候指定下标，remove必须指定具体的值阅读全文

posted @ 2019-01-20 01:18 chalee3 阅读(431) 评论(0) 推荐(0)

2019年1月18日

吴恩达机器学习笔记6-梯度下降II（Gradient descent intuition）--梯度下降的直观理解

摘要：在之前的学习中，我们给出了一个数学上关于梯度下降的定义，本次视频我们更深入研究一下，更直观地感受一下这个算法是做什么的，以及梯度下降算法的更新过程有什么意义。梯度下降算法如下：描述：对𝜃赋值，使得𝐽(𝜃)按梯度下降最快方向进行，一直迭代下去，最终得到局部最小值。其中𝑎是学习率（learni 阅读全文

posted @ 2019-01-18 02:01 chalee3 阅读(702) 评论(0) 推荐(0)

2019年1月16日

吴恩达机器学习笔记5-梯度下降I（Gradient descent intuition）

摘要：梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数𝐽(𝜃0, 𝜃1) 的最小值。梯度下降背后的思想是：开始时我们随机选择一个参数的组合(𝜃0, 𝜃1, . . . . . . , 𝜃𝑛)，计算代价函数，然后我们寻找下一个能让代价函数值下降最多的参数组合。我们持阅读全文

posted @ 2019-01-16 16:06 chalee3 阅读(368) 评论(0) 推荐(0)

cha

公告