吴恩达机器学习 - 课程总结

监督学习

算法 h_θ(x) cost function 求解 特性
线性回归
逻辑回归
神经网络 sigmoid J(Θ)=-{\frac{1}{m}}\left[\sum_{i=1}^{m}\sum_{j=1}^{K}{y_k^{(i)}log(h_Θ(x^{(i)})_k)} + {(1-y_k^{(i)})log(1-(h_Θ(x^{(i)}))_k)}\right] + {\frac{λ}{2m}}\sum_{l=1}^{L-1}\sum_{i=1}^{S_l}\sum_{j=1}^{S_l+1}Θ_{ji}^l 反向传播
SVM 决策边界

你可能感兴趣的:(吴恩达机器学习 - 课程总结)