第四周 神经网络表示 发表于 2018-12-28 | 更新于 2019-01-18 | 阅读次数: 本文字数: 3.2k | 阅读时长 ≈ 3 分钟 https://www.coursera.org/learn/machine-learning/home/week/4 基本概念wikipedia 人工神经网络(Artificial Neural Network,ANN)简称神经网络(Neural Network,NN)或类神经网络。在机器学习和认知科学领域,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型或计算模型,用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构,是一种自适应系统,通俗的讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具。 Neuron 阅读全文 »
第五周 神经网络训练 发表于 2019-01-07 | 更新于 2019-01-18 | 阅读次数: 本文字数: 6.3k | 阅读时长 ≈ 6 分钟 https://www.coursera.org/learn/machine-learning/home/week/5 变量约定: $s_l$ = 第 $l$ 层的神经元数,不包含偏置单元 $K$ = 输出层神经元数目,对应分类类别数目($K \geq 3$) $\Theta$ 表示矩阵,$\Theta^{(l)}$ 表示第 $l$ 层的参数矩阵 Cost Function 阅读全文 »
第二周 线性回归 发表于 2018-11-21 | 更新于 2019-01-17 | 阅读次数: 本文字数: 3.7k | 阅读时长 ≈ 3 分钟 https://www.coursera.org/learn/machine-learning/home/week/2 多元线性回归一般的,我们用m代表样本数,n代表特征数,我们提到的向量默认都是指列向量,行向量用 转置的形式来表示。 假设:$h_{\theta}=\theta_0+\theta_1x_1+\theta_2x_2+\cdots+\theta_nx_n$ 为了对称 $\theta$ 和 $x$, 我们令 阅读全文 »
第三周 逻辑回归 发表于 2018-12-03 | 更新于 2019-01-11 | 阅读次数: 本文字数: 6.4k | 阅读时长 ≈ 6 分钟 https://www.coursera.org/learn/machine-learning/home/week/3 Logistic Regression 介绍逻辑回归在线性回归的基础上添加了一个 函数 $g$ 阅读全文 »