标签:吴恩达

12 篇文章

吴恩达机器学习笔记(2)-梯度下降
通过前面的文章我们现在已经有了假设函数$h_\theta(x)$并知道如何度量这个函数与数据的符合程度,即代价函数$J(\theta_0,\theta_1)$取得最小值。那么现在要做的,就是如何去预估这个假设函数的参数来使得我们的函数更加符合实际数据。 如下图是代价函数$J(\theta_0,\theta_1)$的图像,x轴为$\theta_0$,…
吴恩达机器学习笔记(1)-模型及代价函数
主要讲述一元线性回归算法的主要内容,因此默认对监督学习的定义有所了解,若不清楚可查看吴恩达机器学习第一讲或自行Google。 首先,我们知道,在监督学习中,我们一般都会有已有的数据集且其拥有明确的输入输出结果.监督学习主要分为回归和分类两种类型,而这里我们只讨论回归问题。 模型概述 在回归问题中,一般都是去尝试寻找一个连续的函数来尽可能的表达出输入…