吴恩达机器学习第七周测试和编程作业

最新推荐文章于 2022-03-14 20:16:15 发布

原创最新推荐文章于 2022-03-14 20:16:15 发布 · 3.9k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

机器学习同时被 2 个专栏收录

11 篇文章

订阅专栏

机器学习

11 篇文章

订阅专栏

代码：https://github.com/LiuZhe6/AndrewNGMachineLearning

文章目录

测验：Support Vector Machines

第一题

在这里插入图片描述

答案
B

第二题

在这里插入图片描述

答案
A
分析：当西格玛平方减少时，图像变陡。

第三题

在这里插入图片描述

答案
AB

第四题

在这里插入图片描述
答案
AC

第五题

在这里插入图片描述
答案
BC
分析：
A：多分类问题当然可以用核函数。
B：线性核函数（不使用核函数）当然绘制出来是一条直线。
C：没错。
D：theta大小依赖于C。

编程作业：Support Vector Machines

作业一：Gaussian Kernel

gaussianKernel.m

sim = exp(-sum((x1 - x2).^2) / (2*sigma^2));

作业二：Parameters (C, sigma) for Dataset 3

吐槽一下，mac贼慢。。。
dataset3Params.m

value = [0.01, 0.03, 0.1, 0.3, 1, 3, 10, 30];

minC = 0;
minSigma = 0;
% 最小值设为交叉验证集的用例数
minError = size(Xval,1);
for i = 1:8,
    for j = 1:8,
        model= svmTrain(X, y, value(i), @(x1, x2) gaussianKernel(x1, x2, value(j)));
        predictions = svmPredict(model,Xval);
        error = mean(double(predictions ~= yval));
        if minError > error
            minError = error;
            minC = value(i);
            minSigma = value(j);
        end;
    end;
end;

C = minC;
sigma = minSigma;

作业三：Email Preprocessing

processEmail.m

for i = 1:length(vocabList)
        if (strcmp(vocabList{i},str))
            word_indices = [word_indices;i];
        end;
    end;

作业四：Email Feature Extraction

emailFeatures.m

x(word_indices) = 1;