04 2020 档案
按部就班的吴恩达机器学习网课用于讨论（9）
摘要：模型选择与交叉验证 需要选择合适的模型，能够正确的训练模型，并更好的拟合数据。如下的例子是房价面积和价格的线性回归模型， 更少的参数拟合效果不够好，更多的参数导致过拟合。 因此，在使用过程中，将数据集划分为：训练集、验证集、测试集。比例为：6:2:2。选择完以后，使用如下的第一个J函数作为训练依据，
按部就班的吴恩达机器学习网课用于讨论（8）
摘要：反向传播的直观理解 在如下例子的神经网络中，误差从后向前传递。误差反向传递的过程中，以权值theta作为反向传递的依据。 如delta(4)1=y-a(4)1作为最终的误差。delta(3)2=theta(3)02*delta(4)1，delta(2)2=theta(2)12*delta(3)1+t
按部就班的吴恩达机器学习网课用于讨论（7）
摘要：神经网络模型表示 前向传播 每一层都增加一个偏差单位x0=1和a0=1以后，使用如下公式推导出输出h。 相当于输入层的x经过权重theta乘积变换后重组为特征输出a，然后a再经过变换得到结果h。 theta作为权值矩阵的表示为： 在上述网络中，增加了偏置值x0，则从隐层向输入层，theta1的尺寸为
我的交叉编译安装提示代码块临时
摘要：需要文件 zlib、openssl、openssh 参阅： https://blog.csdn.net/ctbinzi/article/details/5929800 https://blog.csdn.net/v6543210/article/details/83420034 说明代码 arm-l
按部就班的吴恩达机器学习网课用于讨论（6）
摘要：梯度下降的高级优化 三种高级算法的优点： 这些高级算法，有对应的库实现。使用方法如： 其中的fminunc函数提供了优化算法。参考：https://www.zhihu.com/question/45955668?sort=created 多类别分类 多类别分类，使用多个分类器进行分类，当输入一个样本
