吴恩达(Andrew Ng)——机器学习笔记1

2024-05-09 01:30:02

之前经学长推荐，开始在B站上看Andrew Ng的机器学习课程。其实已经看了1/3了吧，今天把学习笔记补上吧。

吴恩达老师的Machine learning课程共有113节(B站上的版本https://www.bilibili.com/video/av9912938)。这篇学习笔记是结合第一、二部分(我所理解的)：

第一部分：概览机器学习，介绍其中的一些专业名词及定义。Section 1-26

第二部分：如何使用Octave实现机器学习中的基本算法(Ocatave就是开源版的Matlab)。Section 27-39

总的来说，吴恩达老师讲的还是很慢的，他每次说到微积分、线代相关的知识，都要担心同学们不知道，小心翼翼地推导一遍……(美国人的数学真的这么不好吗)

着重记录一下逻辑回归吧：

吴老师说逻辑回归其实就是Sigmoid函数，或Logistic函数on，这名字起得也太差了吧，国内老师有的把这个称为指数回归，我觉得还顺口些。sigmoid函数的本质就是将实域上的数全都映射到0-1之间(表示概率)：

\(g(z)=\frac{1}{1-e^{-z}}\)

那么其中的\(z\)是什么呢？其实也就是我们使用线性回归所计算出来的\(Θ^{T}x\)。

之所以这个函数可以拟合分类问题，是因为大部分事实情况与之相同。当某指标已经很大时，他再增加，对概率的影响也比较小。

转载于:https://www.cnblogs.com/zinyy/p/9144568.html

吴恩达(Andrew Ng)——机器学习笔记1相关推荐

第01周：吴恩达 Andrew Ng 机器学习
学习内容: 1 机器学习 1.1 机器学习定义 ①Arthur Samuel:在没有明确设置的情况下,使计算机具有学习能力的研究领域. e.g.跳棋游戏,使计算机与自己对弈上万次,使计算机学习到什么是 ...
第06周：吴恩达 Andrew Ng 机器学习
10 应用机器学习的建议 10.1 决定下一步做什么依旧用房价预测的例子,假设我们使用已经正则化的线性回归的模型得到了参数,并将参数带入预测函数来预测一组新的房价,但是结果误差很大,那么为了解决问题 ...
机器学习(Machine Learning) - 吴恩达(Andrew Ng) 视频笔记
背景:写于20190408,大概一周前我已经看到了P47 8-4 - Model Representation II 视频链接:https://www.bilibili.com/video/av991 ...
第02周：吴恩达 Andrew Ng 机器学习
学习目标: 完成对机器学习逻辑回归部分完成习题整理理论与编程题笔记学习内容: 六.逻辑回归 6.1 分类问题Classification 二分类问题:通常结果有两种可能(0:negative c ...
第10周：吴恩达 Andrew Ng 机器学习
15 异常检测(Anomaly Detection) 这种算法虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题. 15.1 问题动机例:假想一个飞机引擎制造商,当他生产的飞机引 ...
第09周：吴恩达 Andrew Ng 机器学习
14 降维(Dimensionality Reduction) 第二种类型的无监督学习问题叫降维 14.1 目标Ⅰ:数据压缩使用降维的原因之一是数据压缩,数据压缩可以使数据占用较小的内存或硬盘空间, ...
第08周：吴恩达 Andrew Ng 机器学习
13 聚类聚类算法是学习的第一个无监督学习算法,它所用到的数据是不带标签的. 13.1 无监督学习什么是无监督学习? 在无监督学习中,所有的数据不带标签,而无监督学习要做的就是将这一系列无标签的数 ...
第04周：吴恩达 Andrew Ng 机器学习
学习内容: 8 神经网络 8.1 为什么用神经网络当只有两个特征时(x1.x2),使用sigmoid函数得到的结果还可以,因为可以把x1.x2的所有组合都包含到多项式中.但当很多问题含有很多特征,不 ...
第05周：吴恩达 Andrew Ng 机器学习
学习内容: 9 神经网络的运用 9.1 代价函数其中: 假设训练集为m组的训练样本用L表示神经网络的总层数,对于上图来说,L=4 用表示第L层的单元数,也就是神经元的数量(不包括这一层的偏差单元) ...
第07周：吴恩达 Andrew Ng 机器学习
12 支持向量机(Support Vector Machines) 12.1 优化目标在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是, ...

最新文章

热门文章