吴恩达《机器学习》课程笔记

吴恩达《机器学习》课程笔记

吴恩达《机器学习》课程笔记——第五章：Matlab/Octave教程

摘要: 这一章的内容比较简单，主要是MATLAB的一些基础教程，若是以前没有学过matlab建议直接找一本相关书籍，边作边学，matlab的编程入门仍是比较容易的。 在这里想讲一下matlab和Python的区别： 吴恩达教授在刚开始教机器学习课程的时候，主要用的是matlab/octave，他给出的理由是 阅读全文

posted @  2019-02-24 23:13 李是李雅普诺夫的李 阅读(4) |  评论 (0)  编辑

 

吴恩达《机器学习》课程笔记——第四章：多变量线性回归

摘要: 4.1 多维特征 在以前的内容中，只探讨了单一特征的回归模型，也就是 m 个样本实例中，每一个样本实例 x 只有一个特征，好比房价预测中的 m 个样本中，每一个样本只有“房间尺寸”这一个特征。 在实际状况中，更多的是涉及到多维特征模型，好比影响房价的因素（即特征）除了房间尺寸外，还有房间数、楼层等等。这 阅读全文

posted @  2019-02-24 19:25 李是李雅普诺夫的李 阅读(90) |  评论 (0)  编辑

 

吴恩达《机器学习》课程笔记——第三章：线性代数回顾

摘要: 吴恩达机器学习的课程中，关于线性代数方面的介绍比较少，并且比较简单，适合于系统学习过线性代数课程的人。本部分的内容不只包括吴恩达教授的课程，还包括一些经常使用的线性代数知识总结——依托于《线性代数》（同济版）教材。 阅读全文

posted @  2019-01-13 23:21 李是李雅普诺夫的李 阅读(15) |  评论 (0)  编辑

 

吴恩达《机器学习》课程笔记——第二章：单变量线性回归

摘要: 2.1 模型描述 让咱们以预测住房价格的例子开始：首先要使用一个数据集，数据集包含不一样房屋尺寸所售出的价格，根据数据集画出个人图表。比方说，若是你朋友的房子是 1250 平方尺大小，你要告诉他们这房子能卖多少钱。那么，你能够作的一件事就是构建一个模型，也许是条直线，从这个数据模型上来看，也许你能够告 阅读全文

posted @  2019-01-13 18:13 李是李雅普诺夫的李 阅读(160) |  评论 (0)  编辑

 

吴恩达《机器学习》课程笔记——第一章：绪论 初识机器学习

摘要: 1.1 什么是机器学习 卡内基梅隆大学的Tom Mitchell提出了一种机器学习的定义：电脑程序要完成任务（T），若是电脑程序获取关于任务（T）的经验（E）越多，就表现（P）越好，那么就能够说这个程序“学习”了关于任务（T）的经验。举个例子，Samuel编写了一个西洋棋程序。该程序要完成下棋的任务 阅读全文

posted @  2019-01-13 16:07 李是李雅普诺夫的李 阅读(58) |  评论 (0)  编辑