梯度降級算法簡介 之前如果需要求出最佳的線性回歸模型，就需要求出代價函數的最小值。在上一篇文章中，求解的問題比較簡單，只有一個簡單的參數。梯度降級算法就可以用來求出代價函數最小值。 梯度降級算法的在維基的定義: 梯度下降法是一個一階最優化算法，通常也稱為最速下降法。 要使用梯度下降法找到 ...

簡介 最近在參加一個利用機器學習來解決安全問題的算法比賽，但是對機器學習的算法一直不了解，所以先了解一下機器學習相關的算法。 Andrew Ng就是前段時間從百度離職的吳恩達。關於吳恩達是誰，相信程序員/媛都知道。 Andrew Ng的機器學習的公開課其實就是當年吳恩達還在斯坦福大學 ...

矩陣定義 數學上，一個m×n的矩陣是一個由m行n列元素排列成的矩形陣列 使用Aij來獲取矩陣中第i行j列的數據 向量的定義 向量就是n行1列的特殊矩陣 由於向量僅僅只有1行，那么通過一 ...

邏輯回歸 先前所講的線性回歸主要是一個預測問題，根據已知的數據去預測接下來的情況。線性回歸中的房價的例子就很好地說明了這個問題。 然后在現實世界中，很多問題不是預測問題而是一個分類問題。 如郵件是否為垃圾郵件、金融交易是否正常，腫瘤是否是良性的。這新問題都是一個分類。 在分類問題中，結果一般 ...

多變量線性回歸 之前討論的都是單變量的情況。例如房價與房屋面積之前的關系，但是實際上，房價除了房屋面積之外，還要房間數，樓層等因素相關。那么此時就變成了一個多變量線性回歸的問題。在實際問題中，多變量 ...

為： 其中X表示的房屋面積。 所以選擇了合適的特征，對算法進行預測和分類是非常有好處的 多項式回 ...

是否在人類監督下進行訓練（監督，無監督和強化學習） 在機器學習中，無監督學習就是聚類，事先不知道樣本的類別，通過某種辦法，把相似的樣本放在一起歸位一類；而監督型學習就是有訓練樣本，帶有屬性標簽，也可以理解成樣本有輸入有輸出。 所有的回歸算法和分類算法都屬於監督學習。回歸和分類的算法區別在於輸出 ...

筆記總結，各章節主要內容已總結在標題之中 Andrew Ng機器學習課程筆記–week1(機器學習簡介&線性回歸模型) Andrew Ng機器學習課程筆記--week2(多元線性回歸&正規公式） Andrew Ng機器學習課程筆記--week3(邏輯回歸 ...