机器学习
-
Coursera机器学习week2 单元测试
求x2(4)第4个数据的第2个特征的归一化。 平均值：(7921+5184+8836+4761) / 4 = 6675.5 MAX-MIN = 8836 – 4761 = 4075 所以答案为(4761 – 6675.5) / 4075 = -0.47 本体代价函数快速收敛表示正合适，故选B 计算X时需要加上[1 1 1..1 1]，故选D …
-
Coursera机器学习week3 笔记
在分类问题中，你要预测的变量y的离散的值，我们将学习一种叫做逻辑回归的算法。 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；判断一次金融交易是否是欺诈；之前我们也谈到了肿瘤分类问题的例子，区别一个肿瘤是恶性的还是良性的。 我们从二元的分类问题中开始讨论，因变量有正向类和负向类，因此 …
-
Coursera机器学习week3 编程作业
sigmoid.m g = 1./(1+exp(-z)); costFunction.m J = 1./m*(-y’*log(sigmoid(X*theta)) – (1-y)’*log(1-sigmoid(X*theta))); grad = 1/m * X’*(sigmoid(X*theta) – y); predict.m J = 1./m*(-y’*…
-
Coursera机器学习week4 编程作业
lrCostFunction.m J = 1./m*(-y’*log(sigmoid(X*theta))-(1-y’)*log(1-sigmoid(X*theta))); J = J + lambda/(2*m)*(sum(theta.^2)-theta(1).^2); grad = 1./m*X’*(sigmoid(X*theta)-y); grad = …
-
Coursera机器学习week4 单元测试
选AD B加起来不一定非要等于1 C要加一层隐藏层才行 逻辑运算，选A 考察神经网络的运行过程，选A 计算题，选A 计算题，选A
-
Coursera机器学习week5 笔记
Cost function 先进行符号定义： L：神经网络层数 Sl：第l层的单元数（不包括偏置单位） K：输出单元数（SL） 逻辑回归的代价函数是： 而神经网络的代价函数有所不同，是： 这个看上去很复杂的代价函数背后的原理还是一样的，我们希望通过观察代价函数来观察算法预测的结果与真实情况的误差有多大，唯一不同的是： 对于每一行特征，我们都会给出K个预测，基…
-
Coursera机器学习week5 单元测试
计算误差矩阵，选C reshape函数的使用，选A ((2*1.014+2)-(2*0.994+2))/0.02 ~= 8.0008 选B 选BD 选BC
-
Coursera机器学习week5 编程作业
sigmoidGradient.m g = sigmoid(z) .* (1 – sigmoid(z)); randInitializeWeights.m epsilon_init = 0.12; W = rand(L_out, 1 + L_in) * 2 * epsilon_init – epsilon_init; nnCostFunction.m %Fe…
-
Andrew Ng机器学习算法入门(十):过拟合问题解决方法
在使用机器学习对训练数据进行学习和分类的时候，会出现欠拟合和过拟合的问题。那么什么是欠拟合和过拟合问题呢？
-
python numpy中数组.min() 机器学习实战笔记(Python实现)-01-K近邻算法(KNN) -小白入坑笔记
https://blog.csdn.net/ssdut_209/article/details/50938413 >>> a=array([[1,5,3],[2,6,3]]) >>> a array([[1, 5, 3], [2, 6, 3]]) >>> print(a.min()) #无参，所有中的…
