机器学习学习笔记2（Ng课程cs229）
牛顿方法 简单的来说就是通过求当前点的导数得到下一个点.用到的性质是导数值等于该点切线和横轴夹角的正切值. 极大似然估计 收敛速度：quadratic conversions 二次收敛 θ为矩阵时 每次迭代都需要重新计算H -> nxn 特征较多时计算量比较大 极大似然估计可以推导： 高斯分布 =>最小二乘法 伯努利分布 => logistic回归 指数分布族 exponential family
相关文章
- 1. 机器学习学习笔记1（Ng课程cs229）
- 2. 机器学习 cs229学习笔记1
- 3. 《深度学习Ng》课程学习笔记03week2——机器学习（ML）策略（2）
- 4. Andrew Ng《机器学习》视频课程笔记 - 2(Introduction)
- 5. 机器学习 cs229学习笔记2 k-means EM Mixture of Gaussians
- 6. Google机器学习课程笔记（2）
- 7. 吴恩达斯坦福大学机器学习 CS229 课程学习笔记（一）
- 8. 吴恩达斯坦福大学机器学习 CS229 课程学习笔记（二）
- 9. 《深度学习Ng》课程学习笔记03week1——机器学习（ML）策略（1）
- 10. Andrew Ng机器学习公开课笔记 -- 学习理论
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 机器学习学习笔记1（Ng课程cs229）
- 2. 机器学习 cs229学习笔记1
- 3. 《深度学习Ng》课程学习笔记03week2——机器学习（ML）策略（2）
- 4. Andrew Ng《机器学习》视频课程笔记 - 2(Introduction)
- 5. 机器学习 cs229学习笔记2 k-means EM Mixture of Gaussians
- 6. Google机器学习课程笔记（2）
- 7. 吴恩达斯坦福大学机器学习 CS229 课程学习笔记（一）
- 8. 吴恩达斯坦福大学机器学习 CS229 课程学习笔记（二）
- 9. 《深度学习Ng》课程学习笔记03week1——机器学习（ML）策略（1）
- 10. Andrew Ng机器学习公开课笔记 -- 学习理论