cltt - 博客园

多类别分类、过拟合、正则化

摘要：多类别分类过拟合问题正则化 J(theta) = theta0 欠拟合阅读全文

posted @ 2019-12-18 14:21 cltt 阅读(345) 评论(0) 推荐(0)

逻辑回归--梯度下降

摘要：梯度计算过程如下：线性回归：逻辑回归优化使梯度下降进行逻辑回归的速度提高，适合数据比较大 >> options = optimset('GradObj','on','MaxIter','100'); >> initialTheta = zeros(2,1) initialTheta = 0 阅读全文

posted @ 2019-12-16 21:23 cltt 阅读(316) 评论(0) 推荐(0)

分类、逻辑回归

摘要：分类、逻辑回归分类问题只有0和1，没有什么threshold h(x, )是[0,1] 阅读全文

posted @ 2019-12-15 21:33 cltt 阅读(171) 评论(0) 推荐(0)

第一次编程作业

摘要： function A = warmUpExercise() %WARMUPEXERCISE Example function in octave % A = WARMUPEXERCISE() is an example function that returns the 5x5 identity m 阅读全文

posted @ 2019-12-15 11:04 cltt 阅读(188) 评论(0) 推荐(0)

第二周第五部分

摘要：循环 >> v = zeros(10,1)v = 0 0 0 0 0 0 0 0 0 0 >> for i=1:10,> v(i) = 2^i;> end;>> vv = 2 4 8 16 32 64 128 256 512 1024 >> indices=1:10; >> indices indi 阅读全文

posted @ 2019-12-14 19:48 cltt 阅读(279) 评论(0) 推荐(0)

第二周第四部分

摘要： >> AA = 1 2 10 3 4 12 5 6 15 B = 2 1 3 4 2 3 6 3 3 >> A .* B % Cij = Aij*Bij，行列数目都要一致ans = 2 2 30 12 8 36 30 18 45 >> A*B%矩阵乘法ans = 70 35 39 94 47 57 阅读全文

posted @ 2019-12-12 16:20 cltt 阅读(151) 评论(0) 推荐(0)

第二周第三部分

摘要： >> A = [1 2;3 4;5 6] A = 1 2 3 4 5 6 >> A(3,2) ans = 6 >> A(2,:) %该行或列的所有元素 ans = 3 4 >> A(:,2) ans = 2 4 6 >> A([1 3], :) %取第一、三行的元素 ans = 1 2 5 6 >> 阅读全文

posted @ 2019-12-12 11:05 cltt 阅读(157) 评论(0) 推荐(0)

第二周第二部分

摘要： 1&&0 %AND 1 ||0 % OR octave:6> PS1('>> '); >> octave:1> 5+6 ans = 11 octave:2> 1==2 ans = 0 octave:3> 1==2 %false %XXX %为注释 ans = 0 octave:4> 1~=2 %表示阅读全文

posted @ 2019-12-10 20:48 cltt 阅读(343) 评论(0) 推荐(0)

特征缩放和标准化设置学习率大小正则方程

摘要：标准化到相近的范围即可这是因为θ在小范围内下降很快，在大范围内下降很慢，所以当变量非常不均匀时，θ会低效率地振荡到最优。(特征都在一个相近的范围，这样梯度下降法就能更快的收敛) 用X轴上的迭代次数绘制一个图。现在绘制成本函数，J（θ）在梯度下降迭代次数上。如果J（θ）增大，那么可能需要减小α。总阅读全文

posted @ 2019-12-09 20:44 cltt 阅读(228) 评论(0) 推荐(0)

梯度下降 coursera.org

摘要：即使J（，）=0,也不能是完美估计，因为其他数据可能存在误差取任何颜色并沿着“圆”走，就可以得到相同的成本函数值,右图三个点的J（，）相同越靠近圆心，J(,)越小梯度下降算法可以将代价函数J（）最小化。 J（1,2）改变1,2来最小化J（1,2）梯度下降算法不一定可以找到全局最小值事实证阅读全文

posted @ 2019-12-05 12:28 cltt 阅读(212) 评论(0) 推荐(0)