摘要：
10-1 决定下一步做什么 当我们运用训练好了的模型来预测未知数据的时候发现有较大的误差，我们下一步可以做什么 下面是几种方法： 获得更多的训练样本（通常是有效的，但代价较大，可考虑先采用下面的几种方法） 尝试减少特征的数量 尝试获得更多的特征 尝试增加多项式特征 尝试减少正则化程度λ 尝试增加正则 阅读全文
摘要：
9-1 代价函数 那我们就从神经网络的代价函数讲起，假设我们我如下图的神经网络 这里我们有m个样本，L表示我们神经网络的层次此时的L=4，sl表示输出层神经元个数，这其中不包括偏差单元(s1=3，s2=5) SL表示最后的输出单元，只有K大于等于3 的时候才会使用一对多的方法 代价函数如下图所示（这 阅读全文
摘要：
8-1 非线性假设 神经网络实际上是一个很古老的算法，为什么要学习这个算法呢 假如我们有一个监督学习分类问题，以下的例子只有两个特征项 无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。 比如像这样的项会非常多，甚至会呈指数式增长 假设我们希望训练一个模型来识别视觉对 阅读全文
摘要：
7-1 过拟合问题 我们仍然以房价为例下面是 分类问题中也存在类似的问题 如何解决过拟合的问题？ 绘制出假设模型图像再选择合适的多项式阶次，但是绘制假设模型曲线可以作为多项式阶次的一种方法，但这种并不是总是有用的， 在我们解决学习问题的过程中，我们遇到的许多的变量，并且这不仅仅是选择多项式阶次的问题 阅读全文
摘要：
6-1 分类 垃圾邮件的处理可以作为一个分类问题的例子，要么是垃圾邮件，要么不是垃圾邮件两种可能，这是一种二元的分类问题 0 表示正类，1 表示负类；他们并没有明确的定义，我们可以根据自己的想法来 那么如何来开发分类问题 假如我们用现行回归的方式来做分类的问题（0表示没有恶性肿瘤，1表示有恶性肿瘤） 阅读全文
摘要：
前期准备 下载Octave：https://ftp.gnu.org/gnu/octave/windows/octave-5.2.0-w64-installer.exe 安装完成会桌面会出现两个图标 打开GUI输入命令 5-1基本操作 可以切换提示符： ps1('>> ')； 进入命令操作页面，我们可 阅读全文
摘要：
4-1 多功能 我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为（x1，x2，x3，x4 .........） n 代表特征的数量 x(i) 代表第 i 个训练实例，是特征矩阵中的第 i 行，是一个向量（vector）。 阅读全文
摘要：
3-1 矩阵的向量 相信学过线性代数的同学对矩阵和向量都不陌生 3-2 加法和标量乘法 相信学过线性代数的同学对矩阵的加法和标量的乘法都不陌生 3-3 矩阵向量乘法 矩阵乘法： 矩阵 m x n乘以矩阵 n x o，变成矩阵 m x o。 3-4 矩阵的乘法特性 矩阵乘法的性质： 矩阵的乘法不满足交 阅读全文
摘要：
2-1模型描述 我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格。在这里，我要根据不同房屋尺寸所售出的价格，画出我的数据集。比方说，如果你朋友的房子是1250平方尺大小，你要告诉他们这房子能卖多少钱。 你可以做的一件事就是构建一个模型，也许是条直线，从这个数据模型上来看，也许你可以告诉你的 阅读全文