机器学习 Machine Learning- 吴恩达Andrew Ng 第16~20课总结
Posted 架构师易筋
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习 Machine Learning- 吴恩达Andrew Ng 第16~20课总结相关的知识,希望对你有一定的参考价值。
YouTube课程地址
https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V
截止2021-5-3, 有112 个视频
1. 第16课 Matrix-matrix multiplication, Linear regression with one variable
矩阵相乘,可以等价于左边矩阵逐个乘以右边矩阵的列向量。
矩阵相乘公式演示:矩阵相乘,可以等价于左边矩阵逐个乘以右边矩阵的列向量。
矩阵相乘的应用例子:比如根据房子大小预测房价,有三个预测公式,可以一次得到3个结果。
2. 第17课 Matrix multiplication properties, Linear regression with one variable
矩阵乘法正常情况下,不支持乘法交换律
矩阵支持相邻的乘法结合律,A * B * C
= A * (B * C )
= (A * B) * C
- 乘法交换律与标量相乘的情况下,成立。但是左边的标量矩阵,和右边的标量的[n, n]数,[m, m]数 不一定相等。
- 标量矩阵表示左上角到右下角的对角线上是1, 其它位置都是0.
3. 第18课 Inverse and transpose逆矩阵和转置矩阵 - Linear regression with one variable
- 逆矩阵表示,A * (A -1) = I 矩阵和矩阵的逆矩阵相乘等于标量矩阵。
- 注意:不是所有矩阵都有逆矩阵,比如[0]矩阵。
- 没有逆矩阵的矩阵叫做Singular 奇异矩阵 或者 Degenerate 退化矩阵
用Octave 计算逆矩阵的过程如下:
由于精度问题0 ≈ 1.1102e-16
,0 ≈ -2.2204e-16
>> A = [3 4; 2 16]
A =
3 4
2 16
>> pinv(A)
ans =
0.400000 -0.100000
-0.050000 0.075000
>> inverseOfA = pinv(A)
inverseOfA =
0.400000 -0.100000
-0.050000 0.075000
>> A * inverseOfA
ans =
1.0000e+00 1.1102e-16
-2.2204e-16 1.0000e+00
>> inverseOfA * A
ans =
1.0000e+00 2.2204e-16
-2.7756e-17 1.0000e+00
>>
转置矩阵,表示行和列互换的矩阵。特性为 Bij = Aji
.
4. 第19课 Multiple features 更多参数 - Linear regression with one variable
回顾:根据房子大小,预测房价的公式如下
比较有现实意义,根据房子大小,房子的个数,房子楼层数,房子楼龄,预测房子价格。
根据房子大小,房子的个数,房子楼层数,房子楼龄,预测房子价格。4个参数的公式如下:
多个参数通用的推导公式如下:
4. 第20课 Gradient descent for multiple variables 梯度下降用多元方程求解 - Linear regression with one variable
假设方程,耗能方程,梯度下降方程如下。(这里不是很理解,要多看看??)
梯度下降方程的系数求解如下:(不是很理解,要多看看??)
以上是关于机器学习 Machine Learning- 吴恩达Andrew Ng 第16~20课总结的主要内容,如果未能解决你的问题,请参考以下文章
机器学习- 吴恩达Andrew Ng Week10 知识总结 Large scale machine learning
机器学习- 吴恩达Andrew Ng Week6 知识总结 Machine Learning System Design
机器学习 Machine Learning- 吴恩达Andrew Ng 第11~15课总结
机器学习 Machine Learning- 吴恩达Andrew Ng 第21~25课总结