weixin_43008870的博客

文章目录前言前言上一章通过一个年龄-身高的例子介绍了单变量线性回归算法的实现过程。通过向量化表示算法中的各个参量，我们可以很容易地将单变量线性回归算法扩展到多变量的情况。这一章我们就来学习多变量线性回归算法的实现。...

文章目录前言前言

文章目录前言问题描述前言上一节，我们介绍了分类问题的处理方法——逻辑回归算法。对于二分类问题，逻辑回归算法归根结底是寻找训练集中标签为0和1的样本的分界线或分界面。上一节的问题比较简单，分界线就是一条直线，然而，更多情况下，两种标签样本的分界是非常复杂的曲线或曲面，相应的曲线或曲面方程就会非常复杂，设计多阶的高次项。这个时候，我们就需要在假设函数中引入正则项以避免可能出现的过拟合问题。问题描...

文章目录前言问题描述多分类问题训练集和测试集结语前言上一章，我们学习了利用逻辑回归算法处理复杂二分类问题的方法，这一章，我们通过手写数字识别的例子来介绍逻辑回归算法对多分类问题的解决办法。问题描述我们在写信或寄快递的时候都要填上邮编和手机号来标明邮寄的目的地和收件人，如果我们有一个程序能够自动识别出不同人手写的数字，并将其录入计算机中，无疑会大大增加邮寄的效率。然而，由于每个人的书写习惯不...

逻辑回归问题中的代价函数为：J=−1m∑i=1m[y(i)loghθ(x(i))+(1−y(i))log(1−hθ(x(i)))]J=-\frac{1}{m}\sum\limits_{i=1}^{m}{[y^{(i)}logh_\mathbf{\theta}(\mathbf{x}^{(i)})+(1-y^{(i)})log(1-h_\mathbf{\theta}(\mathbf{x}^{(i)}...

文章目录前言一、符号定义前言上一章我们学习了机器学习的应用领域、定义以及算法的分类，这一章来学习最简单的一个机器学习算法——单变量线性回归算法，它是一种监督学习的算法，而且输出值是连续变化的值，因此是一种“回归”算法。一、符号定义我们通过吴老师课堂上给出的练习题中的例子来学习单变量线性回归算法。在进行监督学习算法的时候，我们首先要有一个训练集，这里的训练集就是人们统计的50名不同年龄的儿...

文章目录前言多项式回归泰勒公式多项式回归正规方程结语前言上一章，我们学习了多变量线性回归算法的原理和实现过程。正如上一章最后所说，我们现实中面临的问题大部分都是非线性的，这时候，我们需要对多变量线性回归做一些处理，就是我们这一章要学习的多项式回归算法。　　在进行回归算法学习的过程中，还面临着一个问题，就是如何验证算法的学习成果。对于单变量线性回归问题，我们将训练集和学习结果画出来就可以直观地...

文章目录

文章目录前言前言最近在网易云课堂上学习吴恩达老师的机器学习课程。吴老师的课讲的通俗易懂、深入浅出，令我获益良多，在这里记录一下学习过程的一些知识点和个人理解，欢迎各位童鞋一起交流。这一节主要介绍第一章绪论中的内容。一、应用领域机器学习是人工智能的一个重要分支，目前主要的应用方向包括以下四类：1、数据挖掘互联网和自动化发展过程中产生了大量数据，例如网络浏览数据、医疗数据等，机器学习提供了...

文章目录背景介绍背景介绍反向传播算法是神经网络的一个关键步骤，通过反向传播算法，可以计算出假设函数对所有神经网络参数的偏导数。　　神经网络算法的工作流程为：首先通过人工或其它算法确定特征x\mathbf{x}x，并随机初始化所有神经网络参数；然后运用正向传播算法计算出神经网络的输出值；接下来运用反向传播算法计算输出值对所有参数的偏导数；最后运用梯度下降算法更新所有的神经网络参数。　　首先，...