机器学习笔记(二)

本文档记录了吴恩达机器学习课程中的关键概念,包括线性回归、代价函数、梯度下降等,并介绍了正规方程及其在矩阵不可逆情况下的解决方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

根据观看吴恩达机器学习视频做的个人笔记,记录如下:

第二章

第六课时 模型描述
过程如下:训练集--〉学习算法-->h假设函数
线性回归: 先学习简单的一元线性回归,如h(x) = a + bx;
m:训练样本数量 x:输入变量 y:输出变量

第七课时 代价函数
代价函数(也称平方误差函数、平方误差代价函数):可以测量假试函数的精准
平方误差代价函数对于绝大多数回归问题是很有用的。
其中,J代表代价函数(Cost Function).


第八课时 代价函数(一)


假设h(x) = bx,常数为0 只考虑一个参数.

第九课时 代价函数(二)
等高线图(又称等高图像)如下:


第十课时 梯度下降
:= 冒号等号表示赋值
= 表示真假判定,表示如a=b表示a与b的值相等
α 学习率:梯度下降走的步伐
注意:要实现同步更新,左下角的做法是正确的,右下角的做法是错误的

第十二课时 线性回归的梯度下降
对线性回归的代价函数,结合梯度下降算法,即可得出线性回归算法

第十七课时 矩阵乘法

第三十二课时 正规方程


第三十三课时 正规方程在矩阵不可逆情况下的解决方法


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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