cherry1307的博客

机器学习练习1——线性回归标题单变量线性回归数据集的可视化梯度下降代价函数梯度下降法可视化J标题单变量线性回归X代表poplation，y代表profits数据集的可视化function plotData(x, y) figure; data = load('ex1data1.txt'); x = data(:,1); y = data(:,2); plot(x,y,...

机器学习练习6——支持向量机

机器学习练习1——线性回归多变量线性回归特征缩放（归一化）均值归一化梯度下降代价函数梯度下降选择学习率正规方程多变量线性回归x1：the size of the house (in square feet)x2 : the number of bedroomsy :he price of the house特征缩放（归一化）在面对多维特征问题的时候，我们要保证这些特征都具有相近的尺...

机器学习练习2——Logistic回归Logistic回归数据集可视化数据集sigmoid函数代价函数及梯度下降使用fminunc学习参数评估Logistic回归Logistic回归是分类算法，它的输出值在0和1之间。h(x)的作用是，对于给定的输入变量，根据选择的参数计算输出变量等于1的可能性（estimated probablity）即h(x)=P(y=1|x;θ)数据集...

机器学习练习2——正则化的Logistic回归过拟合正则化线性回归梯度下降正规方法Logistic回归练习2可视化数据集特征映射代价函数和梯度下降绘制出决策边界过拟合 如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。解决： 1.丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择...

机器学习练习3——多元分类与神经网络Logistic回归——手写数字识别可视化数据集代价函数和梯度下降一对多预测Logistic回归——手写数字识别可视化数据集该训练样本为5,000张20*20的书写数字的灰度图。X：5000*400y : 5000*1在X中随机选取100张图像并显示function [h, display_array] = displayData(X, exa...

机器学习练习3——多元分类与神经网络神经网络——手写数字识别网络模型ex3_nn.m预测神经网络——手写数字识别网络模型输入层：400个神经元；隐藏层：26个神经元；输出层：10个神经元ex3_nn.m%% Machine Learning Online Class - Exercise 3 | Part 2: Neural Networks% Instructions% ...

机器学习练习5——正则化线性回归和偏差/方差