摘要：
1.梯度下降算法 (1)如上式的梯度下降算法，α是学习速率，它控制着我们以多大的幅度来更新这个参数θj，这个地方第二部分是偏导数项， (2)例1。我们最小化函数只有一个参数的情形，加入我们的成本函数只有一个参数，如下图关于θ1的成本函数是一个凸函数，我们从函数的任一点上开始做梯度下降，梯度下降就是不 阅读全文
摘要：
1.用梯度下降算法来训练或者学习训练集上的参数w和b，如下所示，第一行是logistic回归算法，第二行是成本函数J，它被定义为1/m的损失函数之和，损失函数可以衡量你的算法的效果，每一个训练样例都输出y，把它和基本真值标签y进行比较 右边展示了完整的公式，成本函数衡量了参数w和b在训练集上的效果。 阅读全文
摘要：
1.Logistic Regression是一个二元分类问题 (1)已知输入的特征向量x可能是一张图，你希望把它识别出来，这是不是猫图，你需要一个算法，可以给出预测值，更正式的y是一个概率，当输入特征x满足条件的时候y就是1。换句话说，如果x是图片，那就需要拿到一张猫图的概率。 (2)Sigmoid 阅读全文
摘要：
1.基本神经网络编程：二分分类算法 (1)从一个例子开始，有一个二分分类问题的例子，假如有这样的一张图片作为输入，现在要输出识别此图的标签，如果是猫则输出1，如果不是猫就输出0，我们用y来表示结果标签。 接下来看看一张图片在计算机中是如何表示的，计算机中要保存一张图片需要三个独立的矩阵，分别保存图片 阅读全文
摘要：
1.到目前为止的神经网络都是基于监督学习的过程。在监督学习中，输入x，习得一个函数，映射到输出y， 2.CNN(Convolutional nerual networks)卷积神经网络主要用于图像领域；RNN(Recurrent neural networks)循环神经网络经常用于处理序列数据，如音 阅读全文
摘要：
1.我们之前已经定义了代价函数J，可以将代价函数J最小化的方法，梯度下降是最常用的算法，它不仅仅用在线性回归上，还被应用在机器学习的众多领域中，在后续的课程中，我们将使用梯度下降算法最小化其他函数，而不仅仅是最小化线性回归的代价函数J。本节课中，主要讲用梯度下降的算法来最小化任意的函数J，下图是我们 阅读全文
摘要：
1.下面是我们惯例的公式，有假设函数、参数和代价函数以及我们优化的目标 和上节课不同的是，对代价函数图形化的时候，这次课我们要保留全部参数theta0和theta1，这里是关于房价的训练集，之前我们只有一个参数theta1，画出来的形状是一个碗状函数，当我们有两个参数的时候，J(theta0,the 阅读全文
摘要：
1.我们希望找到一条与数据拟合的直线，所以我们构造了下面这个假设函数，包括theta0和theta1，随着参数的选择不同，我们会得到不同的直线，和数据相符额直线如下图绿色直线，代价函数是J(theta0,theta1)，我们的目标是最小化代价函数 2.为了更好的使得代价函数J可视化，我们使用一个简化 阅读全文
摘要：
一、简介 1.在线性回归中，我们有一个这样的训练集，M代表训练样本的数量，假设函数即用来进行预测的函数是这样的线性函数的形式，我们接下来看看怎么选择这两个参数： 2.如下图中，怎么选择两个参数来更好的拟合数据呢？ 我们要尽量选择参数值，使得在训练集中，给出训练集中的x值，合理准确的预测y值。在线性回 阅读全文
摘要：
一、简介：案例仍然是房价预测的例子，监督学习：每个例子都有一个“正确的”答案 1.m表示训练样本的个数 2.(x,y)表示一个训练样本 3.x(i)，y(i)，这里i这个上标，不是幂指数，而是训练集的一个索引，指的是表格中的第i行 4.监督学习算法的工作流程：(1)首先向算法中提供训练集；(2)学习 阅读全文