吴恩达机器学习课程笔记章节二单变量线性回归
1、模型描述
Univariate(One variable)Linear Regression
m=训练样本的数目,x's=输入的变量/特征,y's=输出变量/目标变量
2、代价函数
基本定义:
3、代价函数(一)
回顾一下,前面一些定义:
简化的假设函数,theta0=0,得到假设函数与目标函数的关系有:
4、代价函数(二)
等高线图(contour figures):有相同的J(theta0,theta1)的值,对应着不同的theta0,theta1值。
下面介绍一种能自动得到使得目标函数最小的参数值的算法。。
5、梯度下降算法的梗概
特点:起始点不同,经过一次次的梯度下降,最后会到达不同的局部最优点。
算法:
上面第一行即updating equation(更新式)。
注意的几点:
- 当写成a:=b指的是将b的值赋给a(computer operation),而写成a=b时是判断操作(true assertion)
- alpha(learning rate)用来控制梯度下降的幅度/速度,如何设置它的值在之后会提到
- 导数项(后面推导)
- 保证参数的同步更新
6、梯度下降知识点总结
解释一下梯度下降算法的具体组成:
- learning rate始终是正数
- alpha过大或者过小都不好
- 参数已经处在局部最优点(导数为零),根据算法公式,参数不用更新
- 梯度下降的过程中,越来越接近局部最优处,导数值越来越小,梯度下降自动选择幅度较小的速率进行。。因故没有必要再另外减小alpha的值
7、线性回归的梯度下降
结合前面的,得到:
线性回归的代价函数是一个凸函数(形状上看似是一个弓状函数),只有一个全局最优点。
“Batch”梯度下降法:在每一步的梯度下降过程中都使用到了所有的训练数据。
在高等线性代数中有一种方法可以不需要使用梯度下降的迭代算法,可以直接求解出代价函数的最小值,即正规方程组方法(normal equation method)。
附上本章的ppt资料链接:https://study.163.com/course/courseLearn.htm?courseId=1004570029#/learn/text?lessonId=1050362429&courseId=1004570029
转载于:https://www.cnblogs.com/py-fwg/p/10010689.html
吴恩达机器学习课程笔记章节二单变量线性回归相关推荐
- 吴恩达机器学习 Coursera 笔记(二) - 单变量线性回归
Model and Cost Function 1 模型概述 - Model Representation To establish notation for future use, we'll us ...
- 吴恩达机器学习 Coursera 笔记(二) - 单变量线性回归...
Model and Cost Function 1 模型概述 - Model Representation To establish notation for future use, we'll us ...
- 吴恩达机器学习课程笔记(英文授课) Lv.1 新手村(回归)
目录 1-1机器学习的相关名词 1-2 什么是机器学习? 1.definition 定义 2.主要的机器学习算法的分类 1-3有监督学习及常用算法 1.定义 2.两种数据类型补充:categorica ...
- 吴恩达机器学习课程笔记一
吴恩达机器学习课程笔记 前言 监督学习---`Supervised learning` 无监督学习---`Unsupervised learning` 聚类 异常检测 降维 增强学习---`Reinf ...
- Github标星24300!吴恩达机器学习课程笔记.pdf
个人认为:吴恩达老师的机器学习课程,是初学者入门机器学习的最好的课程!我们整理了笔记(336页),复现的Python代码等资源,文末提供下载. 课程简介 课程地址:https://www.course ...
- 【CV】吴恩达机器学习课程笔记 | 第1-2章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 1 介绍 1-3 监督学习 1-4 无监督学习 2 单变量 ...
- 【CV】吴恩达机器学习课程笔记第18章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 18 应用案例:照片OCR 18-1 问题描述与流程(pi ...
- 【CV】吴恩达机器学习课程笔记第17章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 17 大规模机器学习 17-1 学习大数据集 17-2 随 ...
- 【CV】吴恩达机器学习课程笔记第16章
本系列文章如果没有特殊说明,正文内容均解释的是文字上方的图片 机器学习 | Coursera 吴恩达机器学习系列课程_bilibili 目录 16 推荐系统 16-1 问题规划 16-2 基于内容的推 ...
最新文章
- day18——sql优化——绑定变量
- 机器学习科研的十年,希望让你少走一些坑
- 友盟QQ好友或者空间分享成功,但回调失败或取消
- elk面试题_【182期】SpringCloud常见面试题(2020最新版)
- Java的日期API真烂
- 2020年数学与计算机科学奖获得者,2020 数学与计算机科学奖 获奖人 —— 彭实戈 - 未来科学大奖...
- 年轻人不讲武德,居然在简历中藏木马!
- python关闭文件os_如何关闭使用os.startfile(),Python 3.6打开的文件
- python爬虫需要什么知识-学习Python爬虫技术,需要掌握哪些web端的知识?
- 不知道哪个学校教务处管理系统的图
- 计算机基础1.4习题答案,中职计算机应用基础习题集及答案~.doc
- php的运行方式及vc6和vc9,ts和nts区别
- 上市公司风险预警案例可视化演示系统(附代码)
- ECMWF数据批量下载
- Python最强干货,建议收藏!!
- JAVA - 垃圾回收
- linux解决bash: nc: command not found 安装nc、telnet、yum
- 分支-12. 计算火车执行时间(15)
- C语言第十九讲——函数(2)
- Win10的Linux子系统Ubuntu换源
热门文章
- ExtJs 备忘录(1)—— Form表单(一) [ 控件使用 ]
- 漫步微积分三十一——定积分的直观含义
- [深度学习-理论篇]什么是卷积神经网络CNN
- 统计消息总数_2019年度我国出国留学人员总数为70.35万人
- CSS基础必备知识点05
- 如何制作一个横版格斗过关游戏 Cocos2d x 2 0 4
- 局部敏感哈希(LSH)
- 如何将QVTKWidget嵌入到QT窗体,实现点云的显示?
- oracle新增表单,Oracle Retail(Retek)中Form生成列表方法总结
- virtualbox禁用硬件虚拟化_Mac版Virtualbox6.1开启嵌套虚拟化