本文深入探讨了机器学习领域的监督学习与无监督学习，通过实际案例展示了如何利用梯度下降算法和最小二乘法解决简单预测问题，如房价预测。文章详细阐述了特征缩放的重要性，参数选择的策略，以及如何引入非线性自变量来提升模型性能。同时，介绍了MATLAB中的高效编程技巧，包括命令行操作与矩阵运算，旨在提高算法执行效率。
WEEK1&&WEEK2：
监督学习&&无监督学习
分类问题&&回归问题（结果是连续还是离散）
为了解决简单的预测房价问题：学习了梯度下降算法拟合多元线性回归和最小二乘法。
讨论了参数选择，量化，引入z^2等非线性自变量，方法选择等问题。
Features Scaling可以加快算法运行速度。
最小儿乘法在课程中直接给出了公式，并讨论了矩阵不可逆怎么办(pinv)。
Matlab：
可以像VIM一样在命令前加！实现shell的命令。
for循环尽量用矩阵（向量）运算代替。
COURSERA Machine Learning WEEK1&&WEEK2
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
