- 博客(9)
- 收藏
- 关注
RSS订阅原创 Struts+Hibernate+Spring学习心得（1）Struts
本来是《JavaWeb从入门到精通》读书笔记 第二部分 Struts+Hibernate+Spring的入门部分，但是后面又读了其他JavaWeb的书，对于这一块更深入了，索性就一起写掉了。
2016-09-26 17:06:50
1083
原创 机器学习(Machine Learning)心得体会(4)神经网络Exercise 4:Neural Networks
这篇主要内容是求得神经网络Theta的最优解，还是要用代价函数和梯度下降法来求解，对于神经网络来说，求得代价函数以及梯度要使用更加复杂的方法。 对于代价函数，由于每层都有Theta，而且维度也不一样，代价函数在之前的基础上进行改进，对于我们作业中给的数据，我们求他的代价函数如下图所示，后半部分是正则化，由于每层Theta维度不一样，所以要每一层进行求解，前半部分，我们要注意神经网络最优的
2015-12-19 13:28:49
1991
原创 机器学习(Machine Learning)心得体会(3)逻辑回归&神经网络Exercise 3:One-vs-all & Neural Networks
之前我们碰到的逻辑回归问题只有两个输出，0或者1，那么如果有很多个输出呢，0，1，2，3等等，在这一节我们学习One-vs-all的思想来解决这个问题。 其实非常简单，输出为两类的情况我们已经可以解决的，对于多类的时候，我们先针对其中一类，把这一类看成1，把除了这一类外的其他类都看成0，这就又变回了两类问题，我们可以得到这一类的分类器了，然后同样的手段来解决其他类，如果是n类的话，最后可
2015-12-18 16:54:46
3295
原创 机器学习(Machine Learning)心得体会(2)逻辑回归Exercise 2:Logistic Regression
本文是观看斯坦福大学吴恩达老师的机器学习视频后的一些心得体会和总结，以及作业题中的关键代码，大家可以共同讨论进步。 之前的线形回归是对结果为连续量的数据集做出一个拟合，比如拟合出一条直线，而逻辑回归是要对结果为离散量的数据集能够产生一个预测机制，比如输出为0或者1，这就是一个离散量的输出，不管输入何值，输出必然是0或者是1，所以，逻辑回归要做的事情就是预测结果是0还是1，进一步说，就是做
2015-12-18 10:31:42
1796
原创 机器学习(Machine Learning)心得体会(1)线性回归
本文是观看斯坦福大学吴恩达老师的机器学习视频后的一些心得体会和总结，以及作业题中的关键代码，大家可以共同讨论进步。机器学习，我自己的理解就是让计算机去模拟人类的行为方式，也就是人工智能的一个雏形？！
2015-11-24 16:11:32
5473
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人