【学习笔记】吴恩达机器学习 WEEK1
Introduction
- 机器学习算法分类
- 监督学习 Supervised learning
- 无监督学习 Unsupervised learning
- 监督学习
- 回归 regression
map input variables to some continuous function - 分类 classification
map input variables into discrete categories
- 回归 regression
- 无监督学习
给算法数据集,要求它找出数据的类型结构
实例:分离音频
Octave:构建学习算法原型,使用Octave
Linear Regression with One Variable
代价函数 cost function
作用:measure the accuracy of our hypothesis functionJ(θ0,θ1)=12m∑i=1m(y^i−yi)2=12m∑i=1m(hθ(xi)−yi)2J\left(\theta_{0}, \theta_{1}\right)=\frac{1}{2 m} \sum_{i=1}^{m}\left(\hat{y}_{i}-y_{i}\right)^{2}=\frac{1}{2 m} \sum_{i=1}^{m}\left(h_{\theta}\left(x_{i}\right)-y_{i}\right)^{2}J(θ0,θ1)=2m1∑i=1m(y^i−yi)2=2m1∑i=1m(hθ(xi)−yi)2
也叫做平方误差函数,或者是均方误差
代价函数的讲解
- hθ(x)h_\theta(x)hθ(x) :固定参数θ\thetaθ,是xxx的函数
- J(θ)J(\theta)J(θ):是参数θ\thetaθ的函数
- cost function的值越小,对应的拟合越好
梯度下降 Gradient descent
关键步骤:更新方程,θ0和θ1\theta_0和\theta_1θ0和θ1需要同步更新θj:=θj−α∂∂θjJ(θ0,θ1)\theta_{j}:=\theta_{j}-\alpha \frac{\partial}{\partial \theta_{j}} J\left(\theta_{0}, \theta_{1}\right)θj:=θj−α∂θj∂J(θ0,θ1)
斜率会不断变小,因此步伐会变小,慢慢靠近最后的解
4. Batch梯度下降算法
用梯度下降法,求解代价函数的最小值,得到线性回归算法,用直线模型来拟合数据
Linear Algebra Review
线性代数知识回顾
- 大写字母表示矩阵,小写字母表示向量
- 矩阵与向量乘法
矩阵与向量的相乘,简化计算,避免一个一个的带入计算。 - 矩阵与矩阵乘法
包含更多信息,一次矩阵乘法就可以实现多种的预测(而且矩阵乘法很高效) - 矩阵乘法的特性
- 没有交换律(交换以后相乘得到的矩阵维度不同)
- 符合结合律 A×B×C=A×(B×C)=(A×B)×CA \times B \times C=A\times(B\times C)=(A\times B)\times CA×B×C=A×(B×C)=(A×B)×C
- 特殊矩阵
- 单位矩阵 Identity Matrix A⋅I=I⋅A=AA·I = I·A = AA⋅I=I⋅A=A
- 逆矩阵和矩阵的转置
- 矩阵逆运算
If A is an m×mm\times mm×m matrix,and if it has an inverse,AA−1=A−1A=IAA^{-1}=A^{-1}A=IAA−1=A−1A=I
注意: 1. 方阵 2. 存在逆矩阵 - 矩阵的转置运算 Matrix Transpose
矩阵的第一行变为第一列 Bij=AjiB_{ij}=A_{ji}Bij=Aji
- 矩阵逆运算
【学习笔记】吴恩达机器学习 WEEK1相关推荐
- 学习笔记 吴恩达 斯坦福大学公开课 :机器学习课程-1 机器学习的动机与应用
机器学习的动机与应用 1,机器学习的定义 1959:"Field of study that gives computers the ability to learn without bei ...
- Python学习--Machine-Learning 吴恩达机器学习编程作业 (第六周)
Machine-Learning 编程作业 Programming Exercise 6:Support Vector Machines SVM的简单应用 part1 示例文件1使用线性核函数 par ...
- 吴恩达机器学习MATLAB代码笔记(1)梯度下降
吴恩达机器学习MATLAB代码笔记(1)梯度下降 单变量线性回归 1.标记数据点(Plotting the Date) fprintf('Plotting Data') data = load('D: ...
- 吴恩达机器学习课程-作业1-线性回归(python实现)
Machine Learning(Andrew) ex1-Linear Regression 椰汁学习笔记 最近刚学习完吴恩达机器学习的课程,现在开始复习和整理一下课程笔记和作业,我将陆续更新. Li ...
- 5. 吴恩达机器学习课程-作业5-偏差和方差
fork了别人的项目,自己重新填写,我的代码如下 https://gitee.com/fakerlove/machine-learning/tree/master/code 代码原链接 文章目录 5. ...
- 手机上的机器学习资源!Github标星过万的吴恩达机器学习、深度学习课程笔记,《统计学习方法》代码实现!...
吴恩达机器学习.深度学习,李航老师<统计学习方法>.CS229数学基础等,可以说是机器学习入门的宝典.本文推荐一个网站"机器学习初学者",把以上资源的笔记.代码实现做成 ...
- 下载量过百万的吴恩达机器学习和深度学习笔记更新了!(附PDF下载)
今天,我把吴恩达机器学习和深度学习课程笔记都更新了,并提供下载,这两本笔记非常适合机器学习和深度学习入门.(作者:黄海广) 0.导语 我和同学将吴恩达老师机器学习和深度学习课程笔记做成了打印版,放在g ...
- 吴恩达机器学习--单变量线性回归【学习笔记】
说明:本文是本人用于记录学习吴恩达机器学习的学习笔记,如有不对之处请多多包涵. 作者:爱做梦的90后 一.模型的描述: 下面的这张图片是对于课程中一些符号的基本的定义: 吴老师列举的最简单的单变量线性 ...
- 新建网站了!Github标星过万的吴恩达机器学习、深度学习课程笔记,《统计学习方法》代码实现,可以在线阅读了!...
吴恩达机器学习.深度学习,李航老师<统计学习方法>,可以说是机器学习入门的宝典.本文推荐一个网站"机器学习初学者",把以上资源的笔记.代码实现做成了网页版,可以在线阅读 ...
最新文章
- 关于Zigbee的常识
- Codeforces Round #265 (Div. 1) C. Substitutes in Number dp
- .NET创建WebService服务简单的例子
- elastic search java_在 Java 应用程序中使用 Elasticsearch
- ssl2331OJ1373-鱼塘钓鱼 之1【纯贪心】
- LeetCode 232. 用栈实现队列(双栈法-队列)
- 中国5G务实发展 向大规模商用推进
- ubuntu gnome vnc
- 小波去噪 语音去噪 信号小波去噪 小波基去噪 小波收缩去噪-matlab
- 优酷、腾讯视频播放器接口参数说明
- 流程图软件lauto_流程图软件(Iauto)
- 微信小程序:点击图片进行预览
- photoshop名人堂
- vs编译出现 0xC0000005
- linux自带视频播放VLC,如何将VLC媒体播放器设置为默认视频播放器?
- 学jQuery ,认识jQuery
- Esp32 spi slave配置
- day25/RegexDemo1.java
- 计算机名中文无法开机,处理win10电脑开机输入法中英文不能切换的图文
- 路由器wan口和lan口短接_路由器LAN和WAN短接可以做什么呢?
热门文章
- 《Python 数据分析》笔记——pandas
- Linux 查看和删除进程
- Python enumerate索引迭代
- ext js gridpanel绑定到动态生成的store
- mybatisplus修改单个属性_第二节	官封弼马温——类的属性
- 抓取html的内容,js获取网页选中内容(包含html代码)
- C语言浮数据范围和字节,C语言各种数据类型在系统中占的字节和取值范围.docx...
- java过滤4字节_乐字节Java8核心特性实战之四:方法引用
- java底层原理书籍_阿里面试题:Java中this和super关键字的底层实现原理
- shell中正则表达式详解_【转】【shell】正则表达式使用详解(一)