定義一些名詞 欠擬合（underfitting）：數據中的某些成分未被捕獲到，比如擬合結果是二次函數，結果才只擬合出了一次函數。 過擬合（overfitting）：使用過量的特征集合，使模型過於復雜。 參數學習算法（parametric learning algorithms）：用固定的參數 ...

朴素貝葉斯算法(Naive Bayes)(續學習筆記四) 兩個朴素貝葉斯的變化版本 x_i可以取多個值，即p(x_i｜y)是符合多項式分布的，不是符合伯努利分布的。其他的與符合伯努利的情況一樣。(同時也提供一種思路將連續型變量變成離散型的，比如說房間的面積可以進行離散分類，然后運用這個朴素貝葉 ...

17年開始，網上的機器學習教程逐漸增多，國內我所了解的就有網易雲課堂、七月、小象學院和北風。他們的課程側重點各有不同，有些側重理論，有些側重實踐，結合起來學習事半功倍。但是論經典，還是首推吳恩達的機器學習課程。 吳大大14年在coursera的課程通俗易懂、短小精悍，在講解知識點的同時，還會穿插 ...

網址：https://www.bilibili.com/video/av50747658/ （b站找的有中文字幕的視頻） 第一周 一、引言 1.1 歡迎 1.2 機器學習是什么 1.3 監督學習 1.4 無監督學習 二、單變量線性回歸 2.1 模型表示 2.2 代價函數 2.3 ...

本章講述了機器學習中如何解決過擬合問題——正則化。講述了正則化的作用以及在線性回歸和邏輯回歸是怎么參與到梯度優化中的。 更多內容參考 機器學習&深度學習 在訓練過程中，在訓練集中有時效果比較差，我們叫做欠擬合；有時候效果過於完美，在測試集上效果很差，我們叫做過擬合。因為欠擬合 ...

第一章講述了基本的機器學習的概念以及分類，這里從單變量的線性回歸入手，吳恩達講解了機器學習中的幾個重要因素，如模型、損失函數、優化方法等 更多內容參考 機器學習&深度學習 首先以房價預測入手： 房子的面積 每平米的房價 ...

吳恩達《機器學習》課程筆記 吳恩達《機器學習》課程筆記——第五章：Matlab/Octave教程 摘要: 這一章的內容比較簡單，主要是MATLAB的一些基礎教程，如果之前沒有學過matlab建議直接找一本相關書籍，邊做邊學，matlab的編程入門還是比較容易 ...

本章主要講解了邏輯回歸相關的問題，比如什么是分類？邏輯回歸如何定義損失函數？邏輯回歸如何求最優解？如何理解決策邊界？如何解決多分類的問題？ 更多內容參考 機器學習&深度學習 有的時候我們遇到的問題並不是線性的問題，而是分類的問題。比如判斷郵件是否是垃圾郵件，信用卡交易是否正常 ...