网站大量收购独家精品文档,联系QQ:2885784924

Andrew Ng 机器学习 笔记coursera ml notes.pdfVIP

  1. 1、本文档共93页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Andrew Ng 机器学习 笔记coursera ml notes

COURSERA 机器学习课笔记 by Prof. Andrew Ng Notes by Ryan Cheung Ryanzjlib@ Weibo@小小人_V 目录 目录 1 Week1 机器学习介绍7 1 机器学习介绍7 1.1 什么是机器学习?7 1.2 监督学习(Supervised Learning )7 1.3 非监督学习(Unsupervised Learning )9 Week1 单变量线性回归 11 2 单变量线性回归(Linear Regression with One Variable ) 11 2.1 模型表达(Model Representation ) 11 2.2 代价函数(Cost Function ) 12 2.3 梯度下降(Gradient Descent ) 13 2.4 对线性回归运用梯度下降法 13 Week2 多变量线性回归 15 3 多变量线性回归(Linear Regression with Multiple Variables ) 15 3.1 多维特征(Multiple Features ) 15 3.2 多变量梯度下降(Gradient descent for multiple variables ) 16 3.3 特征缩放(feature scaling ) 16 3.4 学习率(Learning rate) 17 Week2 多项式回归和正规方程 19 4 多项式回归和正规方程 19 1 4.1 多项式回归(Polynomial Regression ) 19 4.2 正规方程(Normal Equation ) 19 Week3 归一化 21 5 逻辑回归(Logistic Regression )21 5.1 分类问题21 5.2 分类问题建模21 5.3 判定边界(Decision Boundary )23 5.4 代价函数24 5.5 多类分类(Multiclass Classification )26 Week3 归一化 28 6 归一化(Regularization )28 6.1 过拟合问题(The Problem of Overfitting )28 6.2 归一化代价函数(Regularization Cost Function )29 6.3 归一化线性回归(Regularized Linear Regression )30 6.4 归一化逻辑回归(Regularized Logistic Regression )31 Week4 神经网络:表达 32 7 神经网络:表达32 7.1 非线性假设(Non-Linear Hypothesis )32 7.2 神经网络介绍32 7.3 模型表达33 7.4 神经网络模型表达34 7.5 正向传播 (Forward Propagation) 35 2 7.6 对神经网络的理解36 7.7 神经网络示例:二元逻辑运算符(Binary Logical Operators )36 7.8 多类分类37 Week5 神经网络:学习 39 8 神经网络:学习39 8.1 神经网络代价函数39 8.2 反向传播算法(Backpropagation Algorithm )39 8.3 梯度检验 (Gradient Checking )42 8.4 随机初始化 (Random Initialization )43 8.5 综合起来43 Week6 机器学习应用建议 45 9 机器学习应用建议45 9.1 决定下一步做什么45 9.2 假设的评估(Evaluating a Hypothesis )45

文档评论(0)

xxj1658888 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年04月12日上传了教师资格证

1亿VIP精品文档

相关文档