01 2023 档案

摘要:# 九、应用机器学习的建议(Advice for Applying Machine Learning) ## 9.1 决定下一步做什么 确保你在设计机器学习的系统时,你能够明白怎样选择一条最合适、最正确的道路。因此,在这节视频和之后的几段视频中,我将向你介绍一些实用的建议和指导,帮助你明白怎样进行选 阅读全文
posted @ 2023-01-30 02:40 acmloser 阅读(84) 评论(0) 推荐(0) 编辑
摘要:# 八、神经网络的学习(Neural Networks: Learning) 在本节,我们学习一个新的神经网络算法.它能在给定训练集的同时,为神经网络拟合参数.与其他算法一样,我们从代价函数开始. ## 8.1 代价函数 首先引入一些便于稍后讨论的新标记方法: 假设神经网络的训练样本有$m$个,每个 阅读全文
posted @ 2023-01-19 02:10 acmloser 阅读(36) 评论(0) 推荐(0) 编辑
摘要:1. 前言 从第三章开始,前面的忘记做了. 2.第三章 多类预测与神经网络 2.1 心得 (1) minimize函数了解Click和Click 阅读全文
posted @ 2023-01-18 00:50 acmloser 阅读(25) 评论(0) 推荐(0) 编辑
摘要:# 七、神经网络:表述(Neural Networks: Representation) ## 7.1 非线性假设 &emsp假设有一个监督学习的训练集如下所示: ![image](https://img2023.cnblogs.com/blog/2264614/202301/2264614-202 阅读全文
posted @ 2023-01-15 02:30 acmloser 阅读(36) 评论(0) 推荐(0) 编辑
摘要:# 六、正则化(Regularization) ## 6.1 过拟合问题 到现在为止,我们已经学习了几种不同的学习算法,包括线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过拟合(`over-fitting`)的问题,可能会导致它们效果很差. 在本节 阅读全文
posted @ 2023-01-12 16:02 acmloser 阅读(53) 评论(0) 推荐(0) 编辑
摘要:# 五、逻辑回归(Logistic Regression) ## 5.1 分类问题 在接下来的几节里,我想讨论要预测的变量$y$是一个离散值的分类问题.接下来就是讨论逻辑回归算法. 在分类问题中,我们尝试预测的是结果是否属于某一个类(例如正确或错误).分类问题的例子有:判断一封电子邮件是否是垃圾邮件 阅读全文
posted @ 2023-01-11 00:39 acmloser 阅读(53) 评论(0) 推荐(0) 编辑
摘要:# 四、多变量线性回归(Linear Regression with Multiple Variables) 在本章节,我们要讨论一种新的线性回归形式.这种形式适用于多个变量(或者说多特征量).在我们之前讨论的线性回归,我们只有一个特征量(房屋面积),我们必须用此特征量来预测房屋价格.但现在我们有多 阅读全文
posted @ 2023-01-08 19:50 acmloser 阅读(67) 评论(0) 推荐(0) 编辑
摘要:# 三、线性代数回顾(Linear Algebra Review) ## 3.1 矩阵与向量 矩阵的维数 = 矩阵的行数 $\times$ 矩阵的列数 有时会用`R`表示矩阵,而$R^{4 \times 2}$表示所有4$\times$2的矩阵的集合 我们用$A_{ij}$表示第$i$行第$j$列. 阅读全文
posted @ 2023-01-08 02:50 acmloser 阅读(72) 评论(0) 推荐(0) 编辑
摘要:# 2. 单变量线性回归(Linear Regression with One Variable) 文字部分来自这位大佬的[字幕合集](http://www.ai-start.com/ml2014/html/week1.html#header-n178) ## 2.1 模型表示 我们的第一个学习算法 阅读全文
posted @ 2023-01-06 01:17 acmloser 阅读(66) 评论(0) 推荐(0) 编辑
摘要:# 1.第一周 **这篇笔记很多源自[这位大佬](http://www.ai-start.com/ml2014/html/week1.html),我实在是打不出这么多字(.)** ## 1.1 什么是机器学习 机器学习是什么?在本视频中,我们会尝试着进行定义,同时让你懂得何时会使用机器学习。实际上, 阅读全文
posted @ 2023-01-05 14:27 acmloser 阅读(167) 评论(0) 推荐(0) 编辑