吴恩达机器学习课时6学习笔记

最新推荐文章于 2022-12-26 20:55:01 发布
原创 最新推荐文章于 2022-12-26 20:55:01 发布 · 174 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了logistic回归作为解决分类问题的有效方法，对比线性回归，logistic回归使用不同的假设函数，适用于处理分类任务，其命名源于历史背景。

logistic回归解决分类问题，新的代价函数
在这里插入图片描述
线性回归和logistic回归不一样的是：

  1. h（x）不一样。
  2. logistic是分类问题，命名为回归是历史原因。
    在这里插入图片描述
吴恩达机器学习在线课程--【实验三】完成和总结--包括完整代码
Loy Fan
04-12 1811
>吴恩达机器学习课程链接 >课程总结和笔记链接 实验三的原始代码和使用数据可至课程链接-课时67-章节9编程作业中下载 Machine Learning Online Class - Exercise 3: One-vs-all and Neural NetworksOne-vs-allPart 1: Loading and Visualizing DataPart 2a: Vec...
吴恩达机器学习在线课程--【实验一】完成和总结--包括完整代码
Loy Fan
04-01 3015
>吴恩达机器学习课程链接 >课程总结和笔记链接 AndrewNg Machine Learning ExerciseMachine Learning Online Class - Exercise 1: Linear Regression输出一个5X5单位矩阵显示数据集ex1data1.txt里的数据损失函数和梯度下降参数更新的视图主函数代码 Machine Learning On...
吴恩达机器学习笔记【课时五】
qq_42783498的博客
12-07 134
因为吴老师用的是octave 但是我打算用python的numpy 这块就不学课程里的了
吴恩达机器学习笔记【课时七】
qq_42783498的博客
12-11 167
课时7-1 过拟合问题 具有高方差，泛化能力不好。 过拟合的解决办法： 课时7-2 代价函数 如下图：为了避免过拟合，假如我们再代价函数后面加上两项，要想整体最小，则后两个参数值必须极小，这相当于抹去了这两个参数，假设仍是二次函数。 所以我们可以通过在代价函数后面增加正则项避免过拟合： λ是惩罚项，是对不同特征的取舍 假如我们给的惩罚项太大了会出现什么问题？ 会出现欠拟合： 课时7-3 线性回归的正则化 正则化在线性回归的推广： 正规方程的正则项： 课时7-4 Logistic回归的正则化
吴恩达机器学习笔记【课时六】
qq_42783498的博客
12-11 173
课时6-1 分类 解决一些输出y时离散值的问题： 比如输出0、1是否是垃圾邮件 先讨论二分类问题： 如果用线性回归的方式设置分类阈值为0.5： 可以看出用线性回归解决分类问题并不合适。 所以我们现在要介绍Logistic Regression，它的输出一直介于0和1之间。 这是一种分类算法，不要因为名字疑惑。 课时6-2 假设陈述 Logistic Regression的假设函数： 也就是将输出通过sigmoid函数映射到了0和1之间，然后还是通过数据集来拟合参数 课时6-3 决策界限 课时6-4 代价
吴恩达机器学习笔记【课时四】
qq_42783498的博客
12-06 143
课时4-1 多功能 现在增加一些特征，以下是一些描述符号： 假设应该改成如下图所示，并且表示可以表示成矩阵相乘的形式：（下图的x为一个样本） 课时4-2 多元梯度下降法 如何给多元回归的梯度下降法设置参数？ 如此求导 课时4-3 多元梯度下降法演练——特征放缩 关于特征的取值范围： 椭圆形等高线的代价函数收敛时间长，需要把参数都在同一个范围内： 所以需要对特征的值进行均值归一化处理： 课时4-4 多元梯度下降法——学习率 课时4-5 特征和多项式回归 课时4-6 正规方程（区别于迭代法的直接解法）
吴恩达机器学习笔记【课时二】
qq_42783498的博客
12-05 223
课时2-1 模型描述 训练样本标记含义： 训练集通过学习算法输出假设函数，假设函数能够对于输入的x输出相应的y 课时2-2 代价函数 如何选择假设函数的参数呢？ 通过最小化代价函数： 课时2-3 代价函数（一） 简化了一下： 假设函数和代价函数的关系图示： 课时2-4 代价函数（二） 上一节只有一个参数，所以假设函数和代价函数的图示简单，比如下图： 如果是两个参数，则代价函数的图为下图所示： 可以用二维等高线来表示上图： 对于难以可视化的图可用软件求得极值 课时2-5 梯度下降 梯度下降过程
吴恩达机器学习笔记【课时三】
qq_42783498的博客
12-06 138
课时3-1 矩阵和向量 课时3-2 加法和标量乘法 课时3-3 矩阵向量乘法 课时3-4 矩阵乘法 维度匹配： 左边矩阵每一行时一个样本数据，右边矩阵每一列是一种假设的参数 课时3-5 矩阵乘法特征 矩阵乘法不满足交换律，满足结合律，定义单位矩阵 课时3-6 逆和转置 定义逆矩阵和转置（都是很基础的知识 ...
吴恩达机器学习笔记【课时一】
qq_42783498的博客
12-04 116
课时1-2 什么是机器学习？
吴恩达机器学习笔记课时10
daisy_d_的博客
07-12 153
参考链接：https://blog.youkuaiyun.com/qq_29317617/article/details/86312154 补充细节： 验证集误差最小选择模型，测试集用来评估模型的泛化能力 对于逻辑回归，还可以计算分类误差： 9.6学习曲线
吴恩达机器学习 课时 1 学习笔记
daisy_d_的博客
06-15 159
title:吴恩达机器学习 课时 1 学习笔记 date: 2020-06-06 10:44:13 tags: 机器学习 学习笔记 吴恩达机器学习 课时 1 学习笔记 课时1-1 欢迎参加《机器学习》课程 机器学习： ​ 1.人工智能发展出来的一个领域 ​ 2.计算机开发的一项新功能 例子： ​ 1.数据挖掘 ​ 自动化、互联网上的大量数据 ​ 2.不能用手来编程的应用 ​ 手写识别，自然语言处理和计算机视觉 ​ 3.私人定制程序 ​ 产品推荐 ​ 4.理解人类学习（大脑、真实的AI） 课时1-
吴恩达机器学习课程PPT完整资源包下载
标题中提到的“斯坦福大学吴恩达机器学习课程(学习笔记和原始讲义)高清完整版PPT”，实际上是指一个关于机器学习的课程资源集合。这个资源集合包含了斯坦福大学著名教授吴恩达所授的机器学习课程的PPT讲义和学生的...
吴恩达斯坦福机器学习公开课中文笔记合集
《斯坦福机器学习公开课笔记（吴恩达）》是一套在人工智能与机器学习领域极具影响力的中文学习资料，源自斯坦福大学著名计算机科学家吴恩达（Andrew Ng）教授所讲授的“CS229: Machine Learning”课程。该系列笔记...
吴恩达（Andrew Ng）深度学习课程笔记目录
m0_52118763的博客
12-26 1524
吴恩达深度学习笔记目录
python 使用numba进行矩阵操作加速
daisy_d_的博客
10-16 2139
飞快！！ 需要 安装numba 导入 from numba import jit 然后加速函数，将@jit放在函数前面 函数里面的所有数据类型应该需要是基本的，如果自定义数据类型的话，numba会加速不了报错 使用方法例如 @jit def metrix_mul(x1,x2): number = x1*x2 return number @jit def metrix_add(inter): number = 0 for i in range(64): fo
文件夹中的图片resize大小 python
daisy_d_的博客
10-14 1369
将image_path文件夹下的图片resize成（w，h）重命名并保存 import cv2 import os def Resize_Image(image_path,w=64,h=64): image_path_list = os.listdir(image_path) image_path_list.sort() number=1 for filename in image_path_list: file = image_path+'/'+filena
pytorch数据集加载的两种方式
daisy_d_的博客
11-20 1197
数据加载的两种方式： 1. 直接采用pytorch官方定义的方法： torchvision.datasets 包含一些常见的数据集 数据集无需转化为图片，直接将下载的压缩包放在root=opt.dataset_dir下即可 缺点是自己无法自定义划分数据集了 import torchvision.datasets import torchvision.transforms as transforms #一些转化方法 transform=transforms.Compose([transforms.Graysc
吴恩达机器学习编程作业2逻辑回归（python）
daisy_d_的博客
07-04 895
网上的python实现基本都看了，重复率很高，第一个写出来的真大佬啊 我使用jupyter notebook方便可视化和理解，只需要在一个文件里写完就可以了，不用绕来绕去。 1.逻辑回归（不包含正则化） 题意：ex2data1.txt包含三列数据，第一列第一次考试成绩，第二列第二次考试成绩。两次成绩决定通过不通过。第三列1表示admit，0表示refuse。 1.1可视化原始数据 import matplotlib.pyplot as plt import numpy as np import scipy.
吴恩达机器学习编程作业三 多分类以及前馈神经网络（python)
daisy_d_的博客
07-10 563
1.多分类分类器 将之前实施的logistic分类拓展到one-vs-all分类 import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.io import loadmat 1.1数据集 在ex3data1.mat。5000个训练样本，每个图片大小20×20转化为400维，矩阵X为5000×400。 ...
吴恩达机器学习笔记整理完整版
标题中提到的“Coursera-ML-AndrewNg-Notes-master”指向了一个资源集，它包含了吴恩达（Andrew Ng）教授在Coursera上开设的机器学习课程的笔记。吴恩达是斯坦福大学的教授，同时也是谷歌大脑项目（Google Brain）的...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值