Machine Learning - week 3

标签：linear   line   logistic   bsp   但我   意思   list   tor   com   

习题

从图中可以可以看出，应该是一个圆把蓝色的圈住，所以应该有两个 x²

1. 如何判断是否 convex，gradient 什么情况下(能/否) converge

• •  判断 convex 要由数学证明完成，我们是选择别人证明好的 cost function，这里不做证明。

• • 确保 learning rate α 被设置合适。

2. 增加多项式 features 可以增加对训练数据的匹配。更匹配的意思是：使曲线与数据更贴近。

 对。

3. 能否被直线分割为两段有什么区别？对 converge 有影响吗？

不知道。应该没有

non-linear decision boundaries

4. linear regression 与 logistic regeress 的区别？两者会相同吗？在什么情况下会相同？

 Gradient Descent 的公式是一样的，但是 h_θ(x) 不一样

 为什么  h_θ(x) 要不一样呢？

想要 0 <  hθ(x) < 1，所以定义了 Logistic function (sigmoid function)。

还是有错误。

有错误

第二个选项：应该对的。J(θ) 表示的是误差。

第三个选项：没有理解清楚。算错误的

第四个选项：

没有提到 local minimum，但我认为有这个原因。

如何用 vector 表示 J(θ)

3. 

从课件中查到公式为 ，所以 3、4 是对的。

1 是错误的。

θ^Tx - y⁽ⁱ⁾ 为 n * 1 的 vector。乘以 x 第 i 行。应该是乘以 x 第 i 行第 j 个，其中 j 是不变的。所以是错误。

第一个，对的

第二个，意思是：允许你对于每个 y 来自固定的、离散的几组值。对的。

第三个，对。范围就是 >= 0 不会变

第四个，对

存在错误。

Machine Learning - week 3

标签：linear   line   logistic   bsp   但我   意思   list   tor   com   

原文地址：http://www.cnblogs.com/jay54520/p/7366514.html