原创 吳恩達機器學習筆記-支持向量機
優化目標 之前的課程有學習過Logistic迴歸的假設函數： $$ h_\theta(x) = \frac{1}{1+e^{-\theta^Tx}} $$ 其圖像如下： 從圖像可以看出，如果$y=1$的話，那麼我們希望$h_\theta(
2018-10-12 00:45:16
2
原创 吳恩達機器學習筆記-機器學習系統設計
確定執行的優先級 我們已經學習過一些機器學習的算法，那麼如何設計一個機器學習系統呢，課程中舉了一個垃圾郵件分類器的例子，例子比較簡單這裏就不再贅述： 那麼如何來提升這個分類器的準確度呢？有下面幾個建議： 收集更多的數據 增加更復雜的特徵
2018-09-27 22:45:16
2
原创 吳恩達機器學習筆記-應用機器學習的建議
評估假設 我們之前已經學習過一些機器學習的算法，現在我們來談談如何評估算法學習得到的假設。當發現預測的結果和實際的數據有誤差的時候，我們需要進行一些調整來保證預測的準確性，大部分情況下，有以下幾種辦法來調整假設函數： 獲取更多的訓練集 減
2018-09-26 22:35:12
4
原创 吳恩達機器學習筆記-反向傳播算法練習
直觀感受反向傳播的概念 上篇文章講述了神經網絡的反向傳播算法的基本概念，現在來詳細的對此算法進行一些講解。回憶一下神經網絡的代價函數： 如果我們只考慮一個簡單的只有一個輸出單元的情況，即k=1，那麼代價函數則變成： 直觀的說，$\del
2018-09-25 11:25:20
4
原创 吳恩達機器學習筆記-神經網絡的代價函數和反向傳播算法
代價函數 在神經網絡中，我們需要定義一些新的參數來表示代價函數。 L = total number of layers in the network $s_l$ = number of units (not counting bias u
2018-09-19 00:05:06
3