逐梦者

这节课主要讲的是逻辑回归（Logistic Regression），说到底还是考的数学功底，一些数学原理的倒腾。2描述解析给定几个数据，画出图后问你有几项对的，多选题。对于这样的数据，单纯的用线性回归并不是特别适用，适当的增加多项式特性，可以提高对数据的适应。4描述解析没啥可说的，主要是翻译问题，说一下 CC，代价函数具有很多局部最优值。5描述解析代入 θ0、θ1、θ2\theta_0、\theta

1描述解析根据题目给定的公式大胆的猜 Δ(k)ij:=Δ(k)ij+δ(k+1)i∗(a(k))jΔij(k):=Δij(k)+δi(k+1)∗(a(k))j\Delta_{ij}^{(k)} := \Delta_{ij}^{(k)} + \delta_i^{(k + 1)} * (a^{(k)})_j，所以题目选择 DDD。2描述解析因为 Theta1Thet...

这周入职开始工作了，周末也要重新规划了……不知道以后还有没有周末了。这周的任务是处理分类器，一共十个数字，0∼90∼90 \sim 9，需要识别手写数字。任务提供了很多训练数据，每个数据都是来自于 20x2020x2020 x 20 像素的图片，构成一个 1x4001x4001 x 400 的向量。另外，yyy 是对应的数字的状态，而 000 会映射成 101010。1.3.3 lrC...

1描述解析AAA 选项只有在最理想的情况下才会出现这种情况，所以不正确； BBB 选项，logicalfunctionlogicalfunctionlogical function 一共有四种情况，而两层神经网络可以表示的是 AND、OR、NOTAND、OR、NOTAND、OR、NOT 这三种，三层的可以表示出 XORXORXOR，所以正确； CCC 选项 sigmoi...

感觉自己做的好慢，不懂的也太多，读英文文档障碍太多了……不过，这个必须慢慢克服，感觉自己在逐渐步入正轨。1.1 plotData.m完成这个函数，依照给定的数据进行描点。这个函数文档中已经给出了正确答案……所以这里是不用提交的。function plotData(X, y)%PLOTDATA Plots the data points X and y into a new fig...

正则化方法：J(θ)=12m[∑i=1m(hθ(x(i))−y(i))2+λ∑i=1nθ2j]J(θ)=12m[∑i=1m(hθ(x(i))−y(i))2+λ∑i=1nθj2]J(\theta) = \frac{1}{2m}\left[\sum_{i = 1}^m {(h_\theta(x^{(i)}) - y^{(i)})}^2 + \lambda\sum_{i = 1}^n \theta_...

记得上一次学这门课程就是卡到了这里才做不下去的，因为那时候看着英文文档就头大~~~这次折腾了好久终于搞定了这些个作业，想想就扎心，英文成了我最大的瓶颈！因为文档看得不是特别懂，光如何提交都搞了好久才搞定。这次作业都是完善一些函数，本身不难，如果你看懂了视频以及英文文档的话~~~1 warmUpExercise.m将给定代码插入即可，就是完善一个生成 5∗55 * 5 单位矩阵。function A

其实做这些题挺烦的，因为吴恩达的这个视频配套的测验全英，还没有汉化参考，我英语差的也是没啥可说，一直无法通晓题意，总是再三出错，这不，折腾了三次才全部做对。这个题每次重做数据和题面都会有所改变，但是思想是不变的，我就把我最后一次通过的题面里的三个我错误率比较高的题说说吧~~~1描述解析这个题考得是归一化特征方程，ans=x(n)2−μsans = \frac{x_2^{(n)} - \mu}{s}，

最近 ACMACM 退役，然后开始了备战考研，顺带辅以 MLML 的学习，以前学习过一阵子，后来因为基础知识的匮乏而暂时放下了，如今，有必要重拾起来~~~为了学习 MLML，我买了一本周志华的 《机器学习》，现在开始接着以前的看，另外，我也在看吴恩达的机器学习视频，同样是接着以前的看，在接下来的一段时间里，我会时不时写一点学习笔记，希望可以巩固自己的学习。就此，我的 MLML 学习之旅算是要再一次开

上周末本来是要搞定这个的，结果死活无法加载出来 CourseraCourseraCoursera 的视频，到周一才反应过来是不是 VPNVPNVPN 的问题，然后一看果然是……最开始错怪 CourseraCourseraCoursera 了。1.3 & 1.4 nnCostFunction.m计算花费并且对其正则化。function [J grad] = nnCostFunct...