吴恩达ML
关注
分享
扫一扫
cheney康
中山大学计算机学院研究生
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
吴恩达 机器学习笔记六（lecture 6）（逻辑回归LR）
逻辑回归（Logistic Regression）1、classificationeg.垃圾邮件识别、交易是否是欺诈、肿瘤类别2、Hypothesis Representation很多时候，我们希望我们的预测值输出范围在0～1之间，可以加入一个sigmoid函数(可以称为逻辑函数)，类似神经网络的激活函数，输出范围就控制在了0～1之间原创 2017-11-30 23:54:35 · 2634 阅读 · 0 评论 -
吴恩达 机器学习笔记七（lecture 7）（正则化Regularization）
正则化 Regularization1、过拟合 overfittingeg1:线性回归图一：欠拟合，高偏差图三：过拟合，高方差（一般在变量很多的时候发生，这种时候训练出的方程总能很好拟合训练数据，但是对于新的样本数据不能体现出很好的繁华能力）原创 2017-12-01 17:21:12 · 4751 阅读 · 0 评论 -
吴恩达 机器学习笔记八（lecture 8）（神经网络一）
神经网络一（Neural Networks）表层结构1、Non-linear hypotheses用逻辑回归算法来做这个分类的话，首先要构造逻辑回归函数。这个例子只有两个特征值，但是当我们包含多个特征值的时候，这种分类器就很局限。当我们识别一辆车的时候，我们是根据图片每个部位的灰度值来识别的。假设我们有一张50x50像素的图片，那么他就有2500个灰度值，用之前原创 2017-12-02 22:45:50 · 620 阅读 · 0 评论 -
吴恩达 机器学习笔记二（lecture 2）（损失函数、梯度下降）
一、单变量的LR模型二、损失函数（cost function）三、梯度下降（Gradient descent）梯度下降法基础知识原创 2017-11-22 21:54:14 · 3489 阅读 · 0 评论 -
吴恩达 机器学习笔记三（lecture 3）（矩阵和向量）
矩阵和向量（Matrices and vectors）m * n的矩阵就是指m行（横向）n列（纵向），Aij是指第i行，第j个元素。一般用大写来表示矩阵。矩阵的运算也比较简单，矩阵求和就是对应位置求和即可，所以维数不同的矩阵不可以求和，矩阵的倍数就是所有位置乘以相应的倍数。还有矩阵的逆（可以用一些工具来求，如Octave 和Matlab），矩阵的转置这些都比较简单。原创 2017-11-23 16:32:35 · 1233 阅读 · 0 评论 -
吴恩达 机器学习笔记一（lecture 1）（监督、无监督学习）
机器学习概述主流应用：自然语言处理（NLP：Natural Language Processing）、计算机视觉（CV：Computer Vision）机器学习定义：Tom Mitchell(1998):“A computer program is said tolearn from experience E with respect to some task T an原创 2017-11-21 22:00:10 · 826 阅读 · 1 评论 -
吴恩达 机器学习笔记四（lecture 4）(多特征值，梯度下降与Normal equation)
线性回归处理多个特征值（Linear Regression with multiple variables）1、多特征值线性回归的假设函数形式2、梯度下降3、标准方程法（Normal equation）4、梯度下降和Normal equation的比较假设原创 2017-11-25 17:25:41 · 1894 阅读 · 0 评论 -
吴恩达 机器学习笔记五（lecture 5）(Octave 使用)
请移步Octave 入门原创 2017-11-28 11:16:14 · 1684 阅读 · 0 评论