机器学习笔记(二)- from Andrew Ng的教学视频

标签：

省略了Octave的使用方法结束，以后用得上再看吧

week three：

Logistic Regression:

用于0-1分类

Hypothesis Representation：

：Sigmoid function or Logistic function

Decision boundary：

theta 的转置*小x>=0 即为boundary

may ：Non-linear decision boundaries，构造x的多项式项

Cost function：

Simplified cost function and gradient descent：

由于y只有两个值，所以合并：

对上式求最小偏导：

（应该是忽略了分母）

Advanced optimization：

Conjugate gradient，BFGS，L-BFGS（有待查询学习）

Multi-class classification: One-vs-all：

对每个类使用一次Logistic Regression分类，确定参数之后，求出max的那一类：called One-vs-all（一对多方法）。

Regularization：The problem of overfitting

overfiting：reduce number of features or regularization

linear regression:

Gradient descent:

Normal equation:

Regularized logistic regression:like linear regression,add extra in J(theta)

attention : 多的正则项是从1开始的，对于0不做惩罚。

机器学习笔记(二)- from Andrew Ng的教学视频

标签：

原文地址：http://www.cnblogs.com/holyprince/p/4215164.html