墨门

1 前言本文归纳了一下 Machine Learning课程中的常见符号的含义。2 常见符号的含义m：表示样本的数量。例如：以学生成绩作为样本，共有四个学生的成绩，则m=4。...

1 致谢感谢网友honglei.chen的回答，原文链接如下：https://www.ilovematlab.cn/thread-203269-1-1.html2 前言今天在学习神经网络算法~3 问题描述今天在用MATLAB完成 Machine Learning中的作业，遇到一个小问题，就是在使用max()函数时，我只需要获得当前矩阵所有行向量的最大值的索引，而不需要获...

1 前言今天在学习 Machine Learning~2 Regularization-正则化在机器学习中，当训练样本较少少而h(θ)h(\theta)h(θ)较为复杂时，就会产生过拟合现象，其原因是训练步骤无法遍历更多潜在可能的情况，于是h(θ)h(\theta)h(θ)为了减小loss而朝着不可预料的方向进行拟合，从而降低了模型的泛化能力，而Regularization则是针对于这种情况...

1 前言今天在做 Machine Learning中多元线性回归的作业~2 Machine Learning中多元线性回归2.1 Feature Scaling和 Mean Normalization实现 Feature Scaling和 Mean Normalization的公式如下：xi=xi−μisix_i=\frac{x_i-\mu_i}{s_i}xi​=si​xi​−μi​​...

1 前言今天在做 Machine Learning的作业~2 一元线性回归2.1 梯度下降的迭代公式

1 致谢感谢 Andrew Ng老师的教授！2 前言今天在学习多重线性回归~感觉向量化&矩阵化是机器学习中很重要的编程技巧，所以这里进行一下归纳~3 向量化&矩阵化的技巧3.1 使用矩阵转置实现平方求和运算在机器学习中，度量loss一个很常见的形式就是使用L2范数，也就是求解预测值与样本值的平方和，其公式如下，J(θ0,θ1,…,θn)=12m∑i=1m(y^i−...

1 致谢感谢 Andrew Ng教授的讲述！2 前言今天在学习机器学习中对loss函数中的参数进行正则化~3 关于机器学习中loss函数参数正则化在机器学习中，有一项防止过拟合的技巧就是（参数）正则化，以平方误差函数为例，原始的loss函数为：J(θ)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta)=\frac{1}{2m} \sum_{i=1}^{m}\left...

1 致谢感谢 Andrew Ng的教导！2 前言逻辑回归是机器学习中很重要而且很基础的算法，它也代表了分类算法最基本的思想。3 二分类逻辑回归逻辑回归算法3.1 假设函数假设函数的形式为：3.2 损失函数损失函数的形式为：...

1 前言Machine Learning课程中有很多常见英文单词，这些在本门课程中会表示特定的专业含义，这里进行了一下归纳。2 常见单词entry：元素（一般指矩阵或者向量中的元素）...

1 致谢感谢度娘的帮助~2 前言今天在学习 Machine Learning~在做作业的时候，需要计算特征的σ2\sigma^2σ2，（也就是特征值向量的方差，但是我当时对方差和标准差的区别并不是很清楚，于是弄混了）；3 方差σ2\sigma^2σ2与标准差σ\sigmaσ的关系其实从它们的符号表示就很容易可以看到，方差与标准差是平方关系；方差σ2\sigma^2σ2是标准差σ\s...