文件名称：最大最小值零点问题的matlab代码-machine-learning:机器学习
文件大小：27KB
文件格式：ZIP
更新时间：2024-06-10 22:48:50
系统开源
最大预设零点问题的matlab代码机器学习笔记 线性和多项式回归 数值预测和预测。 属于监督学习类别，因为训练数据包含标记的（数字）数据。 通过对回归参数使用优化算法进行训练。 优化目标是成本函数的减少，成本函数表示来自训练集的数据点预测中的错误。 逻辑回归 适用于分类问题。 将Sigmoid应用于回归函数以将预测转换为类。 训练集已标记。 神经网络 用于解决分类问题的监督学习算法（标记了训练数据集）。 通常应用于分类问题。 输入是特征的向量（例如，向量形式的图像像素）。 几层网络（2〜3）： 输入层：通常与输入特征向量的大小相同； 隐藏层：默认情况下为一个，或者为多个，但每个隐藏层中具有相同数量的隐藏单元（通常，越多的单元越好）； 输出层：与类数大小相同。 成本函数：J（θ）=-（1 / m）*（sum_for_all_examples（sum_for_all_classes（Yk * log（H Xi）+（1-Yk） log（1--（H Xi））））+ lamda / 2 m *总和（THETAij ^ 2） 训练：拟合网络的权重和偏差（偏差是网络中的恒定节点）。 训练算法： 随机
【文件预览】：
machine-learning-master
----mle1()
--------ex1()
----mle4()
--------ex4()
----mle2()
--------ex2()
----mle7()
--------ex7()
----README.md(23KB)
----octave()
--------plot()
--------distributions()
--------func()
--------symbolic()
--------linregr()
----mle3()
--------ex3()
----mle5()
--------ex5()
----mle8()
--------ex8()