leileii的博客

import numpy as np import pandas as pd obj = pd.Series([0, '2', None, np.nan]) # print(obj.isnull()) # None, np.nan对应的是null # print(obj.dropna(inplace= None)) # 只保留了0, '2' df = pd.DataFrame([[1,2,6...

Suppose you are learning to recognize cars from 100×100 pixel images (grayscale, not RGB). Let the features be pixel intensity values. If you train logistic regression including all the quadratic term...

感觉这个小代码的难度在逐渐加大鸭，不过正好好好练练手，sigmoid的函数学到了，1可以直接和矩阵相加来对矩阵的每个元素加1；costFunction学到了矩阵的计算吧，感觉就是调试了啊，对了，还有这些运算一定不要忘记来sigmoid一下；predict这两段也是卡了半天啊，应该是先把说明看的仔细一些的，里面还是有0，1的信息，还有就是大于0.5赋值好方便啊；costFunctionReg的对...

出现问题在最后的一个小程序上，卡了半天，莫名其妙的算不对数，最后多次尝试，终于发现是。。。吧X*theta-y这一样挪到外面用一个参数来表示，才能把数算对。。。也不知道为啥是这样才能算对。。。可能是计算过程发生了一点变化？？还是一个bug？？ PS：附上代码 warmUpExercise.m function A = warmUpExercise() %WARMUPEXERCISE ...

感觉现在很大的一个问题就是学的比较慢，前面的两个文件花费了太多的时间。感觉一开始总想自己能够正确地写出来，就会想很久尝试很久，最后再去参考别人的结果。其实完全可以把尝试和思考的时间进行压缩。学的快一点，不能直接去抄，要多想自己去敲代码，但是也要把速度加快一些。 小知识方面，是有很多很好的训练函数的，max函数会有两个参数。 lrCostFunction function [J, g...

学习中的各种纠结，心得，小知识在代码里面喽 linearRegCostFunction.m function [J, grad] = linearRegCostFunction(X, y, theta, lambda) %LINEARREGCOSTFUNCTION Compute cost and gradient for regularized linear %regression with ...