Coursera ML笔记 --- week1:单变量的线性回归+梯度下降法
来源:互联网 发布:mac pro 验证码 编辑:程序博客网 时间:2024/06/08 06:39
欢迎点击作者原文地址
week1:单变量的线性回归+梯度下降法
2017/3/7
week1
supervise learing
监督学习分为两类:分类和回归
分类是将输入变量(feature/attribute)映射成为离散的输出结果,回归是将输入变量映射成为连续的输出结果
2017/3/8 cost function
- cost fuction 就是squared error function ,如果把y看作是一个变量的话,那就squared error其实就是它的方差(借此理解)。cost function 就是一半的SEF
hypothesisfunction vscostfunction hypothesi function
hθ1(x) 是x 的函数,θ 是固定的
cost functionJ(θ1) 是θ1 的函数
2017/3/9 Gradient Descent
梯度下降法 ,来寻找使得目标函数最小的参数
a. 寻找到的是局部最优解,初始值不同,得到的最小值也可能不同。不过在线性回归中,因为cost function 是一个bowl shape(convex shape),所以找到的总是全局最优。注意,仅在linear regression!!
b.
repeat {
其中,
c. 参数一定是同时变化的,simutineously update
temp0 :=
temp1 :=
d. 对于learning rate
0 0
- Coursera ML笔记 --- week1:单变量的线性回归+梯度下降法
- Stanford机器学习课程笔记——单变量线性回归和梯度下降法
- 单变量线性回归中的梯度下降法求解代价函数的最小值
- 机器学习:单变量线性回归及梯度下降
- [笔记]线性回归&梯度下降
- [笔记]线性回归&梯度下降
- 斯坦福大学机器学习笔记——单变量的线性回归以及损失函数和梯度下降法(包含代码)
- Andrew NG 机器学习 笔记-week1-单变量线性回归
- 斯坦福机器学习视频笔记 Week1 线性回归和梯度下降 Linear Regression and Gradient Descent
- 线性回归的梯度下降法
- coursera ML笔记 ----week2 多变量的线性回归
- 机器学习入门系列一(关键词:单变量线性回归,梯度下降法)
- 机器学习入门系列一(关键词:单变量线性回归,梯度下降法)
- [ML笔记]梯度下降和线性梯度下降
- COURSERA机器学习笔记——单变量线性回归
- 吴恩达Coursera机器学习课程笔记-单变量线性回归
- coursera《机器学习》吴恩达-week1-02 单一变量的线性回归
- 线性回归&梯度下降
- JAVA加解密 -- 数字签名算法
- HDU 1539 Shredding Company dfs枚举每位数字的空格
- 手把手 教你 把Lua 打造一个Windows 下的dll
- java.io.IOException:stream closed 异常的原因及处理
- 有限状态机的简单使用案例:“将字符串中多于一个的空格变为一个空格输出”
- Coursera ML笔记 --- week1:单变量的线性回归+梯度下降法
- Spring源码解读 Spring初始化Bean时扩展
- Spark性能调优-kyro
- JSP标准标签库之格式化标签+(SQL标签+XML标签+JSTL函数的语法)
- java.探索EJB的使用
- 适配器模式 (Adapter-Pattern)
- hdu2191 多重背包
- UVA, 202 Repeating Decimals
- Git命令大全