Andrew Ng-ML-第一讲
来源:互联网 发布:电脑编织机编程 编辑:程序博客网 时间:2024/05/22 06:23
此系列课程来自Coursera
一、概念介绍
1、监督学习:把已知X和Y的数据集输入到算法模型中,来调整算法模型中参数,使得后续输入X数据时可以得到理想的Y。
2、无监督学习:分类未被标记的样本集。
二、Linear Regression with one Variable 只有一个变量的线性回归
从一个例子入手:
例子的意思是我们有一个Training Set 数据集,是房屋面积和房屋价格的对应关系集,我们要用这个数据集来得到一个算法模型,让这个算法模型能根据房屋面积来预测房屋价格。
好吧 我们就使用最简单的算法模型:y = theta0+theta1x;其中x代表房屋面积,y代表房屋价格。
现在我们要做的就是算出theta0和theta1。有了theta0和theta1,我们就能根据x来得到y了。
上图就是用来计算theta0和theta1的思路:
大致意思是我们先把数据集的x,y的对应关系画到图上,就是上面的红叉叉,而我们要求的函数就是那条蓝线了,这条蓝线的位置要尽量的拟合这些红叉叉,那就是求上面的J函数的极小值。
上图是使用梯度下降法来计算极小值:
大致意思是在J函数里我们对theta0和theta1分别求偏导,然后用当前(第一次的时候是默认的theta0和theta1)的theta0和theta1减去求出来的偏导数来得到新的theta0和theta1,把新的theta0和theta1带入到J函数中算出J值,如果这一次算出来的J值和用上一次的theta0和theta1算出来的J值相差比较大,就说明没有拟合,就继续拿算出来的theta0和theta1分别减去最新的偏导数来得到最新的theta0和theta1,直到这次算出来的J值和上次算出来的J值相差非常小,就说明拟合了,那这就是我们要找的theta0和theta1啦。
这时候你就可以拿房屋的面积输入到这个函数中,获得理想的房屋价格。
- Andrew Ng-ML-第一讲
- Andrew Ng-ML-第二讲
- Andrew Ng-ML-第三讲
- Andrew Ng-ML-第四讲
- SVM(Andrew ng ML)
- Andrew ng ML Coursera Quiz1
- Andrew Ng ML -week4 Neural Networks-Representation
- Machine Learning System Design(Andrew ng ML)
- Neural Networks: Learning(Andrew ng ML)
- Andrew Ng ML课程总结(一)
- Andrew Ng ML课程总结(二)
- 斯坦福 机器学习Andrew NG 第一讲 Linear regression with one variable
- Andrew Ng 《Machine Learning》第一讲——Supervised Learning & Unsupervised Learning 学习笔记
- 斯坦福大学公开课机器学习课程(Andrew Ng)第一讲机器学习动机与应用
- Andrew Ng机器学习(ML)入门学习笔记(二)
- Andrew Ng机器学习(ML)入门学习笔记(一)
- Andrew Ng机器学习(ML)入门学习笔记(三)
- [ML of Andrew Ng]Week 3 Logistic Regression and Regularization
- Selective Search for Object Recognition----论文笔记
- java标识符
- 单例模式
- HTML 速查列表
- Oracle数据库的导出和导入
- Andrew Ng-ML-第一讲
- 系统移植的四大步骤
- 用IntelliJ IDEA的GUI Designer写Swing程式
- Java基础与案例开发详解のjava技术的两个核心
- 利用采样器实现mapreduce任务输出全排序
- Android开发:Intent介绍及使用方法
- 流程控制语句--顺序结构
- Adapter类型控件之ListView Item多布局的实现
- JavaScript继承