- 博客(6)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Machine Learning机器学习课堂笔记6（梯度下降直观解释）
Gradient Descent Intuition梯度下降直观解释参数α术语称为学习速率，它控制以多大的幅度更新参数θj，第二部分是导数项。例子：我们想最小化的那个函数偶一个参数的情形，假设我们有一个代价函数J只有一个参数θ1。假如上图就是那个函数，关于θ1的函数J，θ1是一个实数。现在我们已经对这个点上用于梯度下降法的θ1进行了初始化，从θ1在图像上对应的那个店出发，进行梯
2014-11-11 08:37:25
958
1
原创 Machine Learning 机器学习课堂笔记5（梯度下降）
Gradient Descent 梯度下降介绍梯度下降算法，这种算法可以将代价函数J最小化。梯度下降时很常用的算法，它不仅被用在线性回归上，它实际上被广泛的应用于机器学习领域中的众多领域，解决其他线性回归问题。也可以使用梯度下降法最小化其他函数，而不仅仅是只用在代价函数J。问题概述：有一个函数J(θ0,θ1)，也许这是一个线性回归的代价函数，也许是一些其他函数，要使其最小化，需要一
2014-11-11 08:25:40
634
原创 Machine Learning机器学习课堂笔记4(代价函数)
CostFunction-Intuition1接下来我们将定义代价函数的概念，这有助于我们弄清楚如何把最有可能的直线与我们的数据相拟合。再次使用我们在线性回归中的例子，M代表了训练样本的数量（比如M=47）,而我们的假设函数，也就是用来进行预测的函数，是一个线性函数的形式，θi被称为模型参数，选择不同的参数θ0、θ1，会得到不同的假设、不同的假设函数选择第二个答案。
2014-11-11 08:14:13
2219
1
原创 Machine Learning机器学习课堂笔记2(监督学习与无监督学习)
1.监督学习监督学习指的就是我们给学习算法一个数据集，这个数据集由“正确答案”组成。基本思想是，我们数据集中的每个样本都有相应的“正确答案”，再根据这些样本作出预测。算法有回归、分类等等。 答案选择第三个2.非监督学习在无监督学习中我们用的数据会和监督学习里的看起来有些不一样，在无监督学习中没有属性或标签这一概念，也就是说所有的数据都是一样的，没有区别，所以在无监督学习
2014-11-11 08:11:56
1070
原创 Machine Learning机器学习课堂笔记1（机器学习定义）
1.机器学习的定义 第一个机器学习的定义来自于Arthur Samuel,他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。Samuel的定义可以回溯到50年代，他编写了一个西洋棋程序。这程序神奇之处在于，编程者自己并不是个下棋高手。但因为他太菜了，于是就通过编程，让西洋棋程序自己跟自己下了上万盘棋。通过观察哪种布局（棋盘位置）会赢，哪种布局会输，久而久之，这西洋
2014-11-11 08:07:12
921
原创 Machine Learning 课堂笔记3（线性回归）
我们的第一个学习算法是线性回归算法，在这段视频中你会看到这个算法的概况，更重要的是你将会了解监督学习过程完整的流程，让我们通过一个例子来开始。这个例子是预测住房价格的，我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格，在这里，我要根据不同房间尺寸所售出的价格，画出我的数据集比如说，我们来看这个数据集，你有一个朋友正想出售自己的房子如果你朋友的房子是1250平方尺大
2014-11-09 18:17:35
445
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人