吴恩达机器学习 - 课程总结

作者: YANWeichuan | 来源:发表于2018-12-03 14:11 被阅读0次

监督学习

算法	h_θ(x)	cost function	求解	特性
线性回归	$h_θ(x) = θ_0+ θ_1x$	$J( θ_0, θ_1) = \frac{1}{2m}\sum_{i=1}^{m}{(h_\theta(x^i) - y^i)^2}$	$θ_1 = θ_1 + α{\frac{1}{m}\sum_{i=1}^{m}{(h_θ(x^i) - y^i)x^i}}$
逻辑回归	$0<= h_θ(x) <= 1$ $h_θ(x) = g (θ^Tx)$ $g(z) = {\frac{1}{1+ e^{-z}}}$	$J(θ)=-{\frac{1}{m}}\left[\sum_{i=1}^{m}{y_i^{(i)}log(h_θ(x^{(i)})} + {(1-y_i^{(i)})log(1-(h_θ(x^{(i)})))}\right]$	$θ_j = θ_j - α{\frac{1}{m}\sum_{i=1}^{m}{(h_θ(x^i) - y^i)x^i}}$
神经网络	sigmoid	$J(Θ)=-{\frac{1}{m}}\left[\sum_{i=1}^{m}\sum_{j=1}^{K}{y_k^{(i)}log(h_Θ(x^{(i)})_k)} + {(1-y_k^{(i)})log(1-(h_Θ(x^{(i)}))_k)}\right] + {\frac{λ}{2m}}\sum_{l=1}^{L-1}\sum_{i=1}^{S_l}\sum_{j=1}^{S_l+1}Θ_{ji}^l$	反向传播
SVM		$min C{\frac{1}{m}}\sum_{i=1}^{m}{y_i^{(i)}Cost_1(h_θ(x^{(i)})} + {(1-y_i^{(i)})Cost_0(h_θ(x^{(i)}))}$	无	决策边界

引言
这个文集是Coursera上吴恩达教授授课的《机器学习》课程的课程笔记与总结，下面是课程的链接:吴恩达教授机器学习...
学习笔记-机器学习-（7）机器学习应用建议
吴恩达-机器学习课程--10: Advice for applying Machine Learning的学习总结...
吴恩达机器学习课程
吴恩达机器学习课程
学习笔记-机器学习-（4）正则化
吴恩达-机器学习课程--07: Regularization的学习总结：欠拟合（underfitting/hig...
机器学习 | 资料汇总
一、学习资料（一）视频课程吴恩达机器学习入门课程视频课程本课程是吴恩达（Andrew Ng）在Course...
学习笔记-机器学习-（2）多元线性回归
吴恩达-机器学习课程--04: Linear regression with multiplefeatures的学...
学习笔记-机器学习-（10）聚类
吴恩达-机器学习课程--13:Clustering 的学习总结：最常见的非监督算法：K-means算法假如想把...
《吴恩达 - 机器学习》笔记
学习资源 b站：机器学习（Machine Learning）- 吴恩达（Andrew Ng）网易：吴恩达《机器学习...
吴恩达机器学习 - 课程总结
监督学习
学习笔记-机器学习-（3）逻辑回归
吴恩达-机器学习课程--06: Logistic Regression的学习总结：逻辑回归是一种分类算法二元分...