摘要：
本周题目包括：
1. sigmoid 函数表达式
2. logistic 回归方法的成本函数
3. logistic 回归方法的梯度下降法
4. 二分类的预测函数
5. 正则化的logistic回归方法的成本函数
6. 正则化的logistice回归方法的梯度下降法 阅读全文
摘要：
这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是：https://class.coursera.org/ml-2012-002/lecture/index一、过拟合：是指因过分强调对训练样本的效果导致过度拟合，使得对未知预测样本效果就会变差的一种情况。二、什么情况下出现过拟合： 当你拟合的函数中，一些特征权重阶数越高时，过度拟合的情况越有可能发生，反之阶数越小，过拟合发生概率越小，甚至会欠拟合。 比如有三个拟合函数： a0 +a1x1+ a2x2 a0+a1x1+ a2x2+ a3x12+ a4x22 a0+a1x1+ a2x2 + a3x12 + a4x22+ a5x13 + a... 阅读全文
摘要：
这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是：https://class.coursera.org/ml-2012-002/lecture/index分类问题：比如性格分类问题、新闻话题分类问题等，需要预测出不同类别的问题。 一般设定二分类问题预测值为0或1，下面以二分类为主介绍，后续会将多分类问题。logistic回归模型解分类问题： 我们已经了解了线性回归问题的预测函数是：h(a,X)= aTX，分类问题的预测函数跟这个不同。 分类问题的一个预测函数是：h(a,X)= g( aTX )，且是y=1当h(a,X)>=0.5; y=0当h(a,X)<0.5， 其中g(z) 阅读全文