Coursera機器學習week2 單元測試

2022-03-02 13:06:28 字數 1260 閱讀 2421

求x2(4)第4個資料的第2個特徵的歸一化。

平均值:(7921+5184+8836+4761) / 4 = 6675.5

max-min = 8836 - 4761 = 4075

所以答案為(4761 - 6675.5) / 4075 = -0.47

本體代價函式快速收斂表示正合適,故選b

計算x時需要加上[1 1 1..1 1],故選d

由於n = 2w 數量很大,用正規方程的話非常的耗時間,所以選b

問題求使用特徵收縮的理由是

a、它加速了梯度下降,使它需要更少的迭代來獲得乙個好的解決方案。

b、有必要防止梯度下降被困在區域性最優中

c、它加速了用普通方程求解θ的速度。

d、它防止矩陣xtx(在正常方程中使用)為非可逆的(奇異/退化)。

特徵收縮是減少了迭代次數,加快了得到正確答案的速度。故選a

考察軟體的使用,選ab

考察軟體的使用,選ab

考察軟體的使用,選a

考察軟體的使用,選ab

考察軟體的使用,選abc

機器學習入門 Coursera

1.解決方法 無論你是mac還是windows還是linux系統,系統中都會有乙個hosts檔案。這個檔案在各系統中的位址如下。1.mac系統 private etc hosts 2.linux系統 etc hosts 3.windows系統 c windows system32 drivers e...

機器學習Coursera學習總結

coursera上andrew ng的機器學習實在是太火了,最近有時間花費了20來天的時間 每天3小時左右 終於學習完了全部的課程,總結如下 1 適合入門,講的比較基礎,andrew講的很棒 2 裡面的習題相對比較容易,不過要認真揣摩每個英語單詞,不然容易犯錯 3 我是用matlab提交的程式設計作...

Coursera 機器學習筆記(六)

主要為第八周內容 聚類 clustering 降維 聚類是非監督學習中的重要的一類演算法。相比之前監督學習中的有標籤資料,非監督學習中的是無標籤資料。非監督學習的任務是對這些無標籤資料根據特徵找到內在結構。聚類就是通過演算法把資料分成不同的簇 點集 k均值演算法是其中一種重要的聚類演算法。k均值演算...