zoukankan      html  css  js  c++  java
  • 笔记:《吴恩达机器学习》——网易云课堂课程[绪论+单变量线性回归]

    一、绪论
    1、定义

    2、监督学习(Supervised Learning):(训练前被告知对错)
    线性回归、分类
    eg.房价预测、肿瘤预测
    3、非监督学习(Unsupervised Learning)
    聚类
    eg.分离混音、新闻搜索、DNA分析、社交网络、天文分析、市场分析
    二、单变量线性回归
    1、线性回归模型概述

    2、代价函数

    θ_0=0时

    当θ_0不等0时

    等高线图显示

    3、梯度下降算法(Gradient denscnet algorithm)在起始点不同的情况下可能到达不同的局部最优解

    4、梯度下降算法函数解析
    :=表示赋值 =表示判断
    α表示学习速率(learning rate),控制以多大的幅度更新参数θ_j
    更新函数主体部分同时更新θ_0和θ_1
    更新时是同步更新

    在越接近最小值时,导数值会越来越小,在α不变的情况θ_1的变化也会越来越小

    5、线性回归的梯度下降

    6、凸函数(Convex function)在梯度下降算法中只有一个局部最优解
    7、“Batch”;Each step of gradient descent use all the training example.

  • 相关阅读:
    问题账户需求分析
    2017年秋季个人阅读计划
    读“我们应当怎样做需求分析”有感
    开发体会
    第二阶段个人总结10
    第二阶段个人总结09
    第二阶段个人总结08
    个人进度(13)
    个人进度(12)
    个人进度(11)
  • 原文地址:https://www.cnblogs.com/nightmoonzjm/p/9196504.html
Copyright © 2011-2022 走看看