1 回顾
1.1 监督学习
定义：给定正确答案的机器学习算法
分类：
（1）回归算法：预测连续值的输出，如房价的预测
（2）分类算法：离散值的输出，如判断患病是否为某种癌症
1.2 非监督学习
定义：不给定数据的信息的情况下，分析数据之间的关系。
聚类算法：将数据集中属性相似的数据点划分为一类。
2 单变量线性回归算法
2.1 符号定义
m = 训练样本的数量
x = 输入变量
y = 输出变量
2.2 工作方式
训练集通过学习算法生成线性回归函数hypothesis hθ(x) = θ0 + θ1x
关键词：
吴恩达机器学习学习笔记——2.7第一个学习算法=线性回归+梯度下降
梯度下降算法： 线性回归模型： 线性假设： 平方差成本函数：将各个公式代入，对θ0、θ1分别求偏导得：再将偏导数代入梯度下降算法... 查看详情
andrewng机器学习入门——线性回归
...猎机器学习。作为入门，首先学习的是斯坦福大学AndrewNg(吴恩达)教授的Coursera课程2单变量线性回归线性回归属于监督学习(SuperviseLearning)，就是Rightanswerisgiven。课程中，举了一个估计房产价格的例子，在此，我就直接使用两组数... 查看详情
吴恩达机器学习——线性回归(代码片段)
...籍，但书上讲的总归有些晦涩，看到大家在推荐吴恩达的课程，于是去看了，发现确实很不错，有很多书上难懂的公式，其实视频里十几分钟就讲明白了&# 查看详情
吴恩达-coursera-机器学习-week1
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(LinearRegressionwithOneVariable)2.1模型表示2.2代价函数2.3代价函数的直观理解I2.4代价函数的直观理解II2.5梯度下降2.6梯度下降的直观理解2.7梯... 查看详情
机器学习第二篇单变量线性回归
吴恩达机器学习笔记整理——单变量线性回归通过模型分析，拟合什么类型的曲线。一、基本概念 1.训练集由训练样例(trainingexample)组成的集合就是训练集(trainingset),如下图所示，其中（x，y)是一个训练样本，训练集中每一行... 查看详情
吴恩达“机器学习”——学习笔记二
定义一些名词欠拟合（underfitting）：数据中的某些成分未被捕获到，比如拟合结果是二次函数，结果才只拟合出了一次函数。过拟合（overfitting）：使用过量的特征集合，使模型过于复杂。参数学习算法（parametriclearningalgorithms）... 查看详情
机器学习｜多变量线性回归|吴恩达学习笔记(代码片段)
前文回顾：机器学习|线性回归（单变量）目录📚多维特征📚多变量梯度下降📚梯度下降法实践🐇特征缩放🐇学习率📚特征和多项式回归📚正规方程📚梯度下降与正规方程的比较 ... 查看详情
斯坦福吴恩达教授机器学习公开课第二讲笔记——有/无监督学习+线性回归
吴恩达机器学习--线性回归(代码片段)
文章目录前言一、单变量线性回归1.导入必要的库2.读取数据3.绘制散点图4.划分数据5.定义模型函数6.定义损失函数7.求权重向量w7.1梯度下降函数7.2最小二乘法8.训练模型9.绘制预测曲线10.试试正则化11.绘制预测曲线12.试试sklearn库... 查看详情
斯坦福吴恩达教授机器学习公开课第三讲笔记——局部加权回归/线性回归的概率解释/分类和逻辑回归
吴恩达机器学习第三周：logisticregression逻辑回归
先来说说回归的思想吧：常见的回归就是通过一系列的点，计算得到一条线。当有新的输入时，可以直接计算得到输出。用最小二乘法求解线性回归方程就是我们最早接触到的回归。对于线的表示都不尽相同，如线性回归得到的... 查看详情
吴恩达机器学习笔记-第四周
八、神经网络：表述8.1非线性假设为什么需要提出神经网络，当我们在用逻辑回归或者线性回归处理分类问题时，当特征的数量较少时我们可以很好的处理，但是当特征的数量很大时，比如特征的数量为n，而很多时候我们... 查看详情
吴恩达机器学习笔记-第三周
六、逻辑回归6.1分类问题对于二分类问题，我们一般将结果分为0/1，在理解逻辑回归时可以引入感知机，感知机算是很早的分类器，但因为感知机是分布函数，也就是输出的值小于某一临界值，则分为-1，大于某一临界值，... 查看详情
机器学习-吴恩达-正规方程多变量回归公式
矩阵的迹 A为nXn的矩阵 查看详情
机器学习
[toc]吴恩达机器学习笔记初识机器学习监督学习和无监督学习单变量线性回归模型描述假设函数、参数、代价函数、目标假设函数是对训练数据的拟合，代价函数用来衡量给定参数下假设函数的准确性梯度下降算法不断改变参数... 查看详情
机器学习｜逻辑回归｜吴恩达学习笔记|牛顿法
前文回顾：多变量线性回归分类问题举例：判断一封电子邮件是否是垃圾文件判断一次金融交易是否是欺诈区分肿瘤是恶性的还是良性的在分类问题中，我们尝试预测的是结果是否属于某一个类（例如正确或错误&... 查看详情
吴恩达“机器学习”——学习笔记五
朴素贝叶斯算法(NaiveBayes)(续学习笔记四)两个朴素贝叶斯的变化版本x_i可以取多个值，即p(x_i｜y)是符合多项式分布的，不是符合伯努利分布的。其他的与符合伯努利的情况一样。(同时也提供一种思路将连续型变量变成离散型的... 查看详情
吴恩达-coursera-机器学习-week2
四、多变量线性回归(LinearRegressionwithMultipleVariables)4.1多维特征4.2多变量梯度下降4.3梯度下降法实践1-特征缩放4.4梯度下降法实践2-学习率4.5特征和多项式回归4.6正规方程4.7正规方程及不可逆性（可选）五、Octave教程(OctaveTutorial)5.1... 查看详情