Hello World
吴恩达机器学习5 吴恩达机器学习5
代价函数神经网络 使用$L$来代表神经网络的层数 使用$s_l$来代表第$l$层的神经元数目 代价函数 相对于单个的逻辑回归的代价函数,整个神经网络的代价函数只对输出层进行计算,计算第$i$的输出与训练集的结果$y_i$之间的差距。因为神经
吴恩达机器学习4 吴恩达机器学习4
神经网络对于复杂的问题,由于特征值的数量增多,对于拟合出来的多项式复杂度可能会急剧膨胀,这样一来单独使用线性回归或逻辑回归可能就不太能满足需求了 神经元神经元是神经网络里的一个运算单元,可以是线性回归,可以实逻辑回归或是其他算法,图中简单的
吴恩达机器学习3 吴恩达机器学习3
逻辑回归二元分类二元分类中$y$值只能取两个值,0或1 $y=\{ 0, 1\}$ 一般的话,0代表没有,1代表有 逻辑回归逻辑回归实际是一种分类算法,逻辑回归的输出值在0到1之间 $0\le h_{\theta}(x)\le1$ 线性回归
吴恩达机器学习2 吴恩达机器学习2
多个特征值对于多个特征的线性回归,我们使用 $m$:代表训练集的大小 $n$:代表特性的数量 $x^{(i)}$:代表第$i$组数据 $x^{(i)}_j$:代表第$i$组数据中的第$j$个特征 对于多个特性的线性回归公式 $h_{\the
吴恩达机器学习1 吴恩达机器学习1
什么是机器学习 $A\ computer\ program\ is\ said\ to\ learn\ from\ experience\ E\ with $ $respect\ to\ some\ class\ of\ tasks\ T