摘要：
numpy.power(n, x) 对数组n的元素分别求x次方。x可以是数字，也可以是数组，但是n和x的列数要相同。 阅读全文
摘要：
与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价函数是所有建模误差的平方和，即： 其中：ℎ𝜃(𝑥) = 𝜃𝑇𝑋 = 𝜃0 + 𝜃1𝑥1 + 𝜃2𝑥2+. . . +𝜃𝑛𝑥𝑛 ，我们的目标和单变量线性回归问题中一样，是要找出使得代价函数最小的一系 阅读全文
摘要：
1、转置 #reshape(shape)函数改变数组形状，shape是一个元组，表示数组的形状 创建一个包含15个元素的一维数组，通过reshape函数调整数组形状为3行5列的二维数组arr = np.arange(15).reshape((3,5))print(arr) 结果：[[ 0 1 2 3 阅读全文
摘要：
1、一维数组索引与切片#创建一维数组arr1d = np.arange(10)print(arr1d) 结果：[0 1 2 3 4 5 6 7 8 9] #数组的索引从0开始，通过索引获取第三个元素arr1d[2] 结果：2 #切片,左闭右开区间，从索引3开始，直到索引7结束 arr1d[3:8] 阅读全文
摘要：
NumPy是Python的一个高性能科学计算和数据分析基础库，提供了功能强大的多维数组对象ndarray。jupyter notebook快速执行代码的快捷键：鼠标点击选中要指定的代码框，Shift + Enter组合键直接执行代码框中的全部代码。 Alt + Enter组合键执行完代码框中的代码在 阅读全文
摘要：
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, 𝑥1, . . . , 𝑥𝑛)。 增添更多特征后，我们引入一系列新的注释：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 阅读全文
摘要：
梯度下降算法和线性回归算法比较如图： 对我们之前的线性回归问题运用梯度下降法，关键在于求出代价函数的导数，即： 我们刚刚使用的算法，有时也称为批量梯度下降。实际上，在机器学习中，通常不太会给算法起名字，但这个名字”批量梯度下降”，指的是在梯度下降的每一步中，我们都用到了所有的训练样本，在梯度下降中， 阅读全文
摘要：
del删除时候指定下标，remove必须指定具体的值 阅读全文
摘要：
在之前的学习中，我们给出了一个数学上关于梯度下降的定义，本次视频我们更深入研究一下，更直观地感受一下这个算法是做什么的，以及梯度下降算法的更新过程有什么意义。梯度下降算法如下： 描述：对𝜃赋值，使得𝐽(𝜃)按梯度下降最快方向进行，一直迭代下去，最终得到局部最小值。其中𝑎是学习率（learni 阅读全文
摘要：
梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数𝐽(𝜃0, 𝜃1) 的最小值。 梯度下降背后的思想是：开始时我们随机选择一个参数的组合(𝜃0, 𝜃1, . . . . . . , 𝜃𝑛)，计算代价函数，然后我们寻找下一个能让代价函数值下降最多的参数组合。我们持 阅读全文