第八章-神经网络-表述(Neural-Networks-Representation)

第八章神经网络:表述(NeuralNetworks:Representation)8.1非线性假设(Non-linearHypotheses)在这节课和接下来的课程中我将给大家介绍一种叫“神经网络”(NeuralNetwork)的机器学习算法我们将首先讨论神经网络的表层结构在后续课程中再来具体讨论的

第七章-正则化-Regularization

第七章正则化(Regularization)7.1过拟合的问题到现在为止你已经见识了几种不同的学习算法包括线性回归和逻辑回归它们能够有效地解决许多问题但是当将它们应用到某些特定的机器学习应用时会遇到过度拟合(over-fitting)的问题可能会导致它们效果很差在这段视频中我将为你解释什么是过度拟合

第六章-逻辑回归(Logistic-Regression)

第六章逻辑回归(LogisticRegression)6.1Classification(分类问题)从现在及未来,我们开始谈论的分类问题,其中要预测的变量{%raw%}$y${%endraw%}是离散的(discreetvalued)。我们将学习一个算法叫Logistic回归,这是当今最流行和最广泛

第五章-Octave教程

第五章Octave教程1.基本操作启动Octave:现在打开Octave,这是Octave命令行。现在让我示范最基本的Octave代码:输入5+6,然后得到11。输入3–2、5×8、1/2、2^6等等,得到相应答案。这些都是基本的数学运算。你也可以做逻辑运算,例如1==2,计算结果为false(假)

第四章 多变量线性回归(Linear Regression with Multiple Variables)

MultipleFeatures(多维特征)在这段视频中我们将开始介绍一种新的更为有效的线性回归形式这种形式适用于多个变量或者多特征量的情况在之前我们学习过的线性回归中我们只有一个单一特征量房屋面积x我们希望用这个特征量来预测房子的价格这就是我们的假设但是想象一下如果我们不仅有房屋面积作为预测房屋价
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×