“机器学习” 学习笔记
看了 Andrew Ng 公开课里的第一节课后,感觉机器学习好高大上。。系里最高大上的*重点实验室CAD实验室用的3D成像技术就跟Andrew Ng大大放的聚类算法做出的3D场景几乎一样。看完后我觉得,我现在也开始走高端路线了→_→
第一章:回归算法
1.LMS Algorithm
(1) Batch Gradient Descent
经鉴定,要得到很准确的解是很难的。只有在精度要求不高的时候用才比较好。(比如输入X=[1;2], Y=[2;3]这组数据)。
所以,在平时生活中,能用模拟退火的就用模拟退火吧......
1 % load data 2 X=[1;2;3;4;5;6;7;8;9;10;11;12;13;14;15;16;17;18;19;20]; 3 Y=[2;3;4;5;6;7;8;9;10;11;12;13;14;15;16;17;18;19;20;21]; 4 5 [theta0,theta1]=Simulated_Annealing(X,Y,3)
1 function [theta0,theta1]=Gradient_Descent(X,Y,m); 2 theta0=0; 3 theta1=0; 4 alpha=0.00001; 5 while (1) 6 t0=0; 7 t1=0; 8 for i=1:1:m 9 t0=t0+(theta0+theta1*X(i,1)-Y(i,1))*1; 10 t1=t1+(theta0+theta1*X(i,1)-Y(i,1))*X(i,1); 11 end 12 old_theta0=theta0; 13 old_theta1=theta1; 14 theta0=theta0-alpha*t0; 15 theta1=theta1-alpha*t1; 16 if (sqrt((theta0-old_theta0)^2+(theta1-old_theta1)^2)<0.00001) break; 17 end 18 end