斯坦福机器学习笔记-Lecture 1,2
来源:互联网 发布:手机玩lol软件 编辑:程序博客网 时间:2024/04/30 12:25
1. 知识点
1. 监督学习
指提前知道数据集以及正确答案,预测新数据对应的答案。
2. 无监督学习
未知正确答案,对已有的数据进行分类。
3. 线性回归
一种常见的学习方法。主要方法为设目标变量为已知feature的线性函数,并使其代价最小。
公式:
单变量
多变量向量形式
在外文文献中,向量往往是列向量。在对矩阵进行索引时,会先说行号再说列号。而且通常认为矩阵的一列是一个向量。因此一个m*n的矩阵也可看作n个m维向量。机器学习中维度分析非常重要,熟练掌握可以简化编程步骤。
代价函数
这里最前面除的2是一种约定,目前我还不清楚这样做的意义。有可能是为了下一步的求导将2约掉从而简化梯度下降时的计算复杂度?
多变量形式
机器学习中,常用h(hypothesis)来表示预测函数,使用J来代表代价函数,使用m代表样本数量,n代表特征数量。上标表示第i个样本,下标则表示第j种特征
如果直线不能很好的拟合数据,可以选择加入
4. 梯度下降
5. 正则方程
正则方程虽然不需要迭代,但是当出现成千上百的特征时,正则方程会带来
6. 向量化编程
吴老师一直在强调为什么要用matlab完成作业,因为使用matlab能帮我们节省大量的时间。而且matlab内部对矩阵乘法做了大量优化,因此一个算法使用循环写出来和直接做向量乘法之间的效率有天壤之别。在编程中应注意尽可能把循环转化为向量。
附录:第二章编程作业答案(仅供参考)
https://github.com/SilverBulletmdc/stanford_ml_ex/tree/master/machine-learning-ex1/ex1
0 0
- 斯坦福机器学习笔记-Lecture 1,2
- 斯坦福机器学习-week 2 学习笔记
- 斯坦福机器学习笔记(1)
- 斯坦福机器学习课程笔记1
- 斯坦福机器学习1
- [深度学习与计算机视觉] 斯坦福 CS231n 2017 学习笔记 -1 (Lecture 1: Introduction;课程介绍)
- 斯坦福机器学习笔记一
- 斯坦福机器学习笔记二
- 斯坦福机器学习笔记三
- 斯坦福机器学习笔记四
- 斯坦福机器学习笔记五
- 斯坦福机器学习笔记六
- 斯坦福机器学习笔记七
- 斯坦福机器学习笔记八
- 斯坦福机器学习笔记九
- 斯坦福机器学习笔记十
- 斯坦福机器学习笔记十一
- 斯坦福机器学习笔记十二
- 一个案例教你简单地玩转ViewPager(二)之ViewPaper+TabLayout+Fragment顶部标签界面滑动
- 我的感想
- 【op】tomcat部署服务器步骤
- Python 中的 None 与真假
- Eclipse下修改Android里的apk包名
- 斯坦福机器学习笔记-Lecture 1,2
- [完]Linux CentOS IP配置
- UntiyGUI系统之Image
- 爱拼才会赢
- Activity详解2
- JDBC技术(mysql)
- Hibernate 之 Criteria 、 Query 查询
- JavaScript属性操作
- Logstash处理json格式日志文件的三种方法