Blog

吴恩达机器学习第八周：K-means与PCA（K-means and PCA）。 1.使用K-means进行簇分类 K-means，聚类算法，通过寻找最接近分类中心的点来寻找分类中心。 首先导包： 将 阅读更多…

吴恩达Machine-Learning 第七周：支持向量机（support vector machine） 1.线性支持向量机 对于线性支持向量机，和逻辑回归十分类似，不同的是，代价函数发生变化。 由 阅读更多…

吴恩达Machine-Learning 第六周：方法偏差与方差（bias vs variance） 一般对数据集的区分分为两种： 一种是分为两份：训练集与测试集，分别占比70%和30%。 不过这种方法 阅读更多…

吴恩达Machine-Learning 第五周：神经网络反向传播（Neural Network back propagation） 本节使用负反馈方式训练神经网络。 代价函数和梯度下降函数均正则化。 阅读更多…

吴恩达Machine-Learning 第四周：前馈神经网络（Neural Network） 其实神经网络的性能并不是一定比逻辑回归要高。要根据数据情况选择不同的算法。 本节将针对逻辑回归和前馈神经网 阅读更多…

吴恩达Machine-Learning 第三周：逻辑回归（logistic regression） 逻辑回归和线性回归，本质上是一样的，只不过一个使用平方代价函数同来预测值，一个使用log代价函数用来 阅读更多…

吴恩达Machine-Learning 第一、二周：线性回归（linear regression） 线性回归，就是在散列的数据点中寻找一条分割线，使这条分割线对于这组数据的划分最合理，也就是代价最低。 阅读更多…