senketh的博客

第2课 Multivariate Linear Regression 多元线性回归

不等于：~= 异或： xor(1,0) 基本操作： >>a = pi; >>a a = 3.1416 >>disp(a); 3.1416 >>disp(sprintf('2 decimals: %0.2f', a)) 2 decimals: 3.14 >>disp(sprintf('2 decimals: %0.6f', a)) 2 decimals: 3.141593

第2课 Introduction 监督学习：根据已知数据集，推测出其他数据的值 回归问题：预测连续值的输出。 分类问题：预测离散值的输出 支持向量机算法 无监督学习 聚类算法：找出数据集中的结构，分成多个聚类 鸡尾酒会算法：两个不同位置的麦克风，分离出两个不同的音源 Octave Cocktail party problem algorithm [W,s,v] =

第 1 节课 Classification and Representation 线性回归算法不能用于分类问题（是否是垃圾邮件，肿瘤是否是恶性） 逻辑回归 S型函数（逻辑函数）：把hθ(x)的值化为0-1之间 如果hθ(x)=0.7，则认为y=1的概率是0.7 决策边界(decision boundary) 更复杂的决策边界：x1^2+x2^2>=1时y=1 第 2 节课

function plotData(X, y) %PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y) plots the data points with + for the positive examples % and o for the negative examples. X is as