- 博客(3)
- 收藏
- 关注
RSS订阅原创 Coursera machine learning week 6(二)
一 误差分析当应用机器学习时，建议的顺序是：1.首先构建一个比较简单的模型或学习算法；2.画出模型的学习曲线、诊断模型是否有高偏差(欠拟合)或者高方差(过拟合)问题，从而决定是否需要更多的数据或者更多的特征来解决；3.误差分析，手动检查算法算错的那些样例，然后找出算法算错的样例术语那种类型。二 偏斜类的误差度量指标2.1 偏斜类(Skewed classes)：是指
2017-09-17 23:39:23
162
原创 Coursera machine learning week 6 excise
首先是求线性回归的代价函数(包括正则化的线性回归):ta = [0;theta(2:end)];J = ((X*theta)-y)'*((X*theta)-y)/(2*m) + lambda/(2*m)*(ta'*ta);grad = (((X*theta)-y)'*X)'/m+lambda/m*ta;求学习曲线：for i = 1:m [theta] = t
2017-09-17 23:12:26
149
原创 Coursera machine learning week 6(一)
机器学习第六周主要讲当在新的测试集上测试假设函数时，发现预测的误差很大时该怎么解决的问题。主要用机器学习诊断法去提升算法性能，虽然这个过程要花时间，但是会提高效率。首先通过将数据集分为训练集和测试集来评估假设函数，但此时会有一个问题，如果知道模型的泛化能力？因此需要将数据集分为训练集、交叉验证集、测试集，一般来说训练集占60%，交叉验证集产20%，测试集占20%。假设我们有10个多项式回归模型
2017-09-17 22:04:42
290
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人