2022吴恩达机器学习课程——第一课
注:参考B站视频教程
视频链接:【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】
写在前面:文章只是为了记录学习课程的整个过程,方便以后查漏补缺,方便找到对应章节,希望看到这篇文章的同学能够认真的看一遍视频教程,会有很大收获!
下一篇:2022吴恩达机器学习课程——第二课(神经网络)
文章目录
- 第一周
- 一、监督学习与无监督学习
- 二、线性回归
- 三、梯度下降
- 第二周
- 一、向量化
- 二、特征缩放
- 第三周
- 一、逻辑回归
- 二、训练逻辑回归模型
- 三、逻辑回归中的梯度下降
- 四、正则化
第一周
一、监督学习与无监督学习
监督学习:输入数据和标签,让机器进行学习后,再输入一个它从未见过的数据,让机器预测输出。
一些监督学习的例子:
1、回归:房价预测
2、分类:乳腺癌检测
分类需要找到一个“决策边界”
3、监督学习总结
无监督学习:数据和标签之间没有联系
4、聚类:新闻&基因序列&人员分组
聚类:获取没有标签的数据,尝试将他们自动分组到不同的簇中去。
5、无监督学习的总结
二、线性回归
线性回归模型是一种特殊类型的监督学习模型
1、线性回归模型
训练集:
预测函数 f(x)
2、代价函数
a、代价函数公式
b、理解代价函数
c、可视化代价函数
当只有一个参数w时,代价函数看起来像U型曲线
当有两个参数w和b时:
三、梯度下降
编写算法,能够自动找到w和b,最小化代价函数,使用梯度下降进行训练
1、梯度下降的实现
出现局部最小值:
同步更新w和b:
2、理解梯度下降
3、学习率
局部最小值:
接近最小值,导数会自动变小,参数更新步伐变小:
4、导数更新过程
用于线性回归的梯度下降,代价函数不会出现多个局部最小值,只会有一个全局最小值,图像是一个凸函数
5、运行梯度下降
第二周
一、向量化
1.1多维特征
含有n个特征的模型的定义:
多元线性回归模型:
1.2向量化-part1
1.3向量化-part2
使用Numpy的点积运算,效率更高
1.4用于多元线性回归的梯度下降法
二、特征缩放
2.1特征缩放-part1
重新缩放这些特征,使它们具有可比较的值的范围,可以显著加快梯度下降速度
2.2特征缩放-part2
最大值归一化
均值归一化
Z-Score归一化
当数据差别较大时,最好进行特征缩放
2.3判断梯度下降是否收敛
2.4如何设置学习率
当把α设置为很小的值时,发现损失函数J的值还会增大,说明是程序出现了bug
2.5特征工程
2.6多项式回归
第三周
一、逻辑回归
1.1分类
线性回归不适合于分类问题
1.2逻辑回归
逻辑回归虽然有“回归”这个词,但它是用来分类的
逻辑回归模型
1.3决策边界
线性决策边界
非线性决策边界
逻辑回归可以学会拟合非常复杂的数据
如果不用高阶多项式,也就是说你使用的特征只有x1,x2,x3,那么逻辑回归的决策边界永远是线性的,永远是一条直线
二、训练逻辑回归模型
2.1逻辑回归中的代价函数
给定训练集,如何选择参数w和b
对逻辑回归来说,平方损失函数不是一个好的选择,用它生成的图中会有很多局部最小值
逻辑回归模型定义
总结
2.2简化逻辑回归代价函数
y不是0就是1,不能取其他任何值
三、逻辑回归中的梯度下降
逻辑回归中的梯度下降方法
虽然逻辑回归的梯度下降公式和线性回归中的十分相似,但是本质并不一样,因为函数f(x)的定义变了
四、正则化
4.1过拟合问题
4.2解决过拟合问题
- 收集更多训练数据
- 减少特征数量
- 正则化
正则化要做的是尽可能地让算法缩小参数的值,而不是要求一定要把参数变为0
正则化的作用是:保留所有的特征,但防止特征权重过大,只有时候会导致过拟合
参数b是否正则化,并没有太大的区别
总结
4.3正则化
正则化的思想是:参数值越小,模型可能越简单,也许是因为模型的特征变少了,那它过拟合的可能性也变小了
选择合适的正则化参数λ
4.4用于线性回归的正则化方法
以下是可选内容
正则化在每次迭代中做的就是,将w乘上一个略小于1的数
推导过程:
4.5用于逻辑回归的正则化方法
2022吴恩达机器学习课程——第一课相关推荐
- 吴恩达机器学习课程(第一周)
吴恩达机器学习课程(第一周) welcome Welcome to Machine learning!(video) 机器学习在各领域的应用很多 比如搜索引擎 图像识别 垃圾邮件处理 这是一门让计算机 ...
- github标星11600+:最全的吴恩达机器学习课程资源(完整笔记、中英文字幕视频、python作业,提供百度云镜像!)...
吴恩达老师的机器学习课程,可以说是机器学习入门的第一课和最热门课程,我在github开源了吴恩达机器学习个人笔记,用python复现了课程作业,成为热门项目,star数达到11671+,曾经有相关报道 ...
- 吴恩达机器学习笔记第一周
第一周 吴恩达机器学习笔记第一周 一. 引言(Introduction) 1.1 欢迎 1.2 机器学习是什么? 1.3 监督学习 1.4 无监督学习 二.单变量线性回归(Linear Regress ...
- 7. 吴恩达机器学习课程-作业7-Kmeans and PCA
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 7. ...
- 4. 吴恩达机器学习课程-作业4-神经网络学习
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 4. ...
- 3. 吴恩达机器学习课程-作业3-多分类和神经网络
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 3. ...
- 2.吴恩达机器学习课程-作业2-逻辑回归
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 2. ...
- 1. 吴恩达机器学习课程-作业1-线性回归
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 1. ...
- 8. 吴恩达机器学习课程-作业8-异常检测和推荐系统
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 8. ...
- 6. 吴恩达机器学习课程-作业6-SVM
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 6. ...
最新文章
- HDU 5988 最小费用流
- 刚安装的python如何使用-python中RabbitMQ的使用(安装和简单教程)
- 新浪短网址生成java_如何生成t.cn的短链接?新浪短网址怎么生成的?
- 装饰器前奏2(2017年8月23日 11:50:39)(2017年8月29日 16:07:32)
- 爬虫之request
- java token_Java实现基于token认证的方法示例
- 对发表论文的深层次思考
- 每日小记 2017.6.29
- SQL Server Report Server 报表用户权限T-SQL查询
- MiniApp微信小程序入口在安卓手机桌面
- 查找Ubuntu下包的归属
- matlab中unique的作用,matlab中的unique函数详解
- 基于R语言的方差分析
- log4j日志级别小结
- html页面会出现浏览器崩溃,电脑出现页面崩溃怎么解决
- 学做网站论坛怎么样?分享新手学习建网站5天感受
- 一、26个字母的读音和发音
- Java-8-Optional类
- WPA_CLI 的介绍:介绍如何使用wpa_cli连接WiFi的方法
- PhpStudy 后门分析