跟着吴恩达老师学习机器学习的第七天 - logistic回归的假设函数math表达式+决策界限+代价函数+简化代价函数和logistic回归方程的梯度下降+用逻辑回归解决多类别分类问题
Posted Bessie_Lee
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了跟着吴恩达老师学习机器学习的第七天 - logistic回归的假设函数math表达式+决策界限+代价函数+简化代价函数和logistic回归方程的梯度下降+用逻辑回归解决多类别分类问题相关的知识,希望对你有一定的参考价值。
课程6.2
logistic回归的假设函数math表达式
1、logistic回归的假设函数表达式的math公式
图片1:logistic回归的假设函数表达式的math公式
理解1:logistic回归的假设函数表达式的math公式
2、logistic回归的假设函数表达式使用
图片2:logistic回归的假设函数表达式使用
理解2:logistic回归的假设函数表达式使用
课程6.3
决策界限
1、回顾公式
图片1:回顾公式
理解1:回顾公式
2、决策边界
图片2:决策边界
理解2:决策边界
3、各种各样的决策边界
图片3:各种各样的决策边界
理解3:各种各样的决策边界
课程6.4
代价函数
1、logistic回归方程画出non - convex函数
图片1:logistic回归方程画出non - convex函数
理解1:logistic回归方程画出non - convex函数
2、Cost函数图形
图片2:Cost函数图形(y=0和y=1)
理解2:Cost函数图形(y=0和y=1)
课程6.5
简化代价函数和logistic回归方程的梯度下降
1、logistic回归模型的代价函数
图片1:logistic回归模型的代价函数理解1:logistic回归模型的代价函数
2、logistic回归方程的梯度下降与线性回归的梯度下降算法区别
图片2:logistic回归方程的梯度下降与线性回归的梯度下降算法区别
理解2:logistic回归方程的梯度下降与线性回归的梯度下降算法区别
课程6.6
用octave实现更高级的优化算法共轭梯度算法(没有详细解释以及说明)
由于我没有详细学习octave,并且可能近段时间不会使用octave去做项目,所以下面只贴附视频中的代码图片,不做详细的解释与说明 - 具体说明链接在此
图片1:
图片2:
课程6.7
用逻辑回归解决多类别分类问题
1、解释什么是一对多(不做文字说明)
图片1:解释什么是一对多(不做文字说明)
2、一对多方法
图片2:一对多方法
理解2:一对多方法
今天晚上搞的有点晚,但是发现一个问题,一下午+一晚上也才搞了大概8个视频,希望明天可以多一点吧,因为任务其实挺紧张的!加油!
以上是关于跟着吴恩达老师学习机器学习的第七天 - logistic回归的假设函数math表达式+决策界限+代价函数+简化代价函数和logistic回归方程的梯度下降+用逻辑回归解决多类别分类问题的主要内容,如果未能解决你的问题,请参考以下文章