我们将讨论逻辑回归。 逻辑回归是一种将数据分类为离散结果的方法。 例如，我们可以使用逻辑回归将电子邮件分类为垃圾邮件或非垃圾邮件。 在本模块中，我们介绍分类的概念，逻辑回归的损失函数（cost functon），以及逻辑回归对多分类的应用。 我们还涉及正规化。 机器学习模型需要很好地推广到模型 ...

之前看过一遍，但是总是模模糊糊的感觉，也刚入门，虽然现在也是入门，但是对于一些概念已经有了比较深的认识（相对于最开始学习机器学习的时候）。所以为了打好基础，决定再次学习一下Andrew Ng的课程，并记录笔记以供以后复习参考。 1. 内容概要 Introduction ...

* sigmoid.m * costFunction.m * predict.m * costFunctionReg.m ...

课上习题 【1】线性回归 Answer： D A 特征缩放不起作用，B for all 不对，C zero error不对 【2】概率 Answer：A 【3】预测图形 Answer：A 5 - x1 ≥ 0时，y = 1。即x1 ≤ 5时，y ...

Advice for applying machine learning 本周主要学习如何提升算法效率，以及如何判断学习算法在什么时候表现的很糟糕和如何debug我们的学习算法。为了让学习算法表现更好，我们还会学习如何解决处理偏态数据（skewed data）。 以下内容部分参考我爱 ...

逻辑回归 先前所讲的线性回归主要是一个预测问题，根据已知的数据去预测接下来的情况。线性回归中的房价的例子就很好地说明了这个问题。 然后在现实世界中，很多问题不是预测问题而是一个分类问题。 如邮件是否为垃圾邮件、金融交易是否正常，肿瘤是否是良性的。这新问题都是一个分类。 在分类问题中，结果一般 ...

&正则化参数) Andrew Ng机器学习课程笔记--week4(神经网络) Andre ...

一、调试处理 week2中提到有如下的超参数： α hidden units mini-batch size β layers learning rate decay \(β_1,β_2,ε\) 颜色表示重要性，以及调试过程中可能会需要修改的程度 ...