新手怎样做网站,网站建设html的好处,网站建设推广销售人员,网页设计网站架构吴恩达Coursera机器学习课系列笔记课程笔记|吴恩达Coursera机器学习 Week1 笔记-机器学习基础1Linear Regression with Multiple Variables紧接上一篇的例子 – 房价预测。现在我们有更多的特征来预测房价了#xff0c;“房间的数量”、“楼层”、“房龄”……说明一下接下来要… 吴恩达Coursera机器学习课系列笔记课程笔记|吴恩达Coursera机器学习 Week1 笔记-机器学习基础1Linear Regression with Multiple Variables紧接上一篇的例子 – 房价预测。现在我们有更多的特征来预测房价了“房间的数量”、“楼层”、“房龄”……说明一下接下来要用到的符号训练集部分如下图所示然后再用上一篇中说的gradient descent方法更新θ即可过程如下2 Gradient descent in practice2.1 Feature Scaling让特征们的取值处于同一个范围里面可以加快梯度下降法的收敛速度。原因在下图中形象说明了。2.2 Choose Learning Rate α在不断更新θ即迭代次数不断增加之后J(θ)的值应该不断下降直至不怎么改变了模型训练完毕如下图中最后平坦的部分3 Features and Polynomial Regression除了训练集中已经给出的特征还可以根据这些特征来生成新的特征。比如说最简单的已有特征“长”和“宽”可以使用生成的特征“面积”来进行模型的学习。另外h(x)也可以使用polynomial regression来代替linear regression则4 Matrix Representation在实际计算过程中用矩阵来计算会提升计算速度。下面就来看看怎么转换成矩阵形式。如下例子5 Normal Equation在Linear Regression中Normal equation可以用来取代Gradient descent来计算θ。下面是Gradient descent和Normal Equation的比较
