写文章
- @qq_27008079
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
Coursera吴恩达机器学习课程 总结笔记及作业代码——第7周支持向量机
1.1 Optimization objective先回顾一下逻辑回归的相关概念hθ(x)=11+e−θTxh_\theta(x) = \frac{1}{1+e^{-\theta^T x}}IF y=1, we want hθ(x)≈1h_\theta(x) \approx 1 , θTx≫0\theta^Tx \gg 0IF y=0, we want hθ(x)≈0h_\theta(x
Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
Neural Networks:Learning上周的课程学习了神经网络正向传播算法，这周的课程主要在于神经网络的反向更新过程。1.1 Cost function我们先回忆一下逻辑回归的价值函数J(θ)=1m[∑mi=1y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i)))]+λ2m∑nj=1θ2jJ(\theta) = \frac{1}{m}[\sum_{i=1}^
Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
Neural Networks:Learning上周的课程学习了神经网络正向传播算法，这周的课程主要在于神经网络的反向更新过程。1.1 Cost function我们先回忆一下逻辑回归的价值函数J(θ)=1m[∑mi=1y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i)))]+λ2m∑nj=1θ2jJ(\theta) = \frac{1}{m}[\sum_{i=1}^
到底了