1
andyliu 2014-03-04 09:02:52 +08:00 via Android
留个链接 楼主
|
2
typing OP |
6
AlexYang 2014-03-04 12:37:41 +08:00
多谢楼主
|
7
deanguqiang 2014-03-04 12:39:38 +08:00
上过前一期的课程。讲的比较浅,适合初学者。
|
8
arbipher 2014-03-04 12:49:21 +08:00
Machine Learning 第一期课友路过。850过。
|
9
mikewoo 2014-03-04 13:18:48 +08:00
也准备跟一下Machine learning
|
10
exch4nge 2014-03-04 15:01:45 +08:00
刚去报完名,回来逛v2ex,就发现这个贴了!楼主握个手!
|
11
typing OP 每天中午休息的时候和晚上抓时间上会课. 课程本身并不复杂, 所以在一种欢乐的气氛中进行.
如果numerical PDE也能有这种给你掰开揉碎讲的课程就好了(现在工作上它正折磨我...). 另外说到即将开始的Compilers, 我就不得不说C++ grand master certification(http://www.cppgm.org/). 看了那个课程的计划之后有一种"考试前一天还什么都不会"的感觉. |
12
oldcai 2014-03-25 16:05:03 +08:00
额,这个这个,请问一下,Machine learning ml-005的作业Gradient descent for one variable的cost要迭代到多少才算通过啊,我
theta = 0.62615 1.01028 J_history = 19.00239 2.62444 0.54737 0.28394 0.25052 0.24628 0.24573 0.24565 0.24563 0.24562 最后cost = 0.24562 还是提示错误 T__T |
13
oldcai 2014-03-25 17:10:04 +08:00
|
18
arbipher 2014-03-26 02:47:33 +08:00 1
@oldcai 我没有你这幅图,我们的题目一样吗。。。
我在ex1里面有gradientDescent.m这个文件, YOUR CODE HERE里面: theta = .......; 我就写了一行。。。 J_history = ... 4.4836 4.4836 4.4836 4.4836 4.4836 4.4835 4.4835 4.4835 4.4835 4.4834 4.4834 4.4834 Theta found by gradient descent: -3.630291 1.166362 For population = 35,000, we predict a profit of 4519.767868 For population = 70,000, we predict a profit of 45342.450129 |
19
oldcai 2014-03-26 11:30:39 +08:00
@arbipher 这个图我是为了直观所以自己画出来看的。
我是用的考试数据~ 看起来你的这个是练习数据,我的练习数据的结果是: J_history = 14.9840 9.0562 6.9989 …… 4.5740 4.5739 4.5737 4.5735 4.5734 4.5732 Theta found by gradient descent: -2.867800 1.089762 For population = 35,000, we predict a profit of 9463.666241 For population = 70,000, we predict a profit of 47605.328274 确实没有你的结果更收敛。 是不是你feature normalize过呀? |
22
oldcai 2014-03-27 11:04:06 +08:00
@mikewoo 嗯,后来改好了参数我也一样了。
不过也不叫考试数据吧,我说的有问题。是作业数据,是提交的时候打印出来,然后看到的。 |
23
oldcai 2014-03-28 20:48:03 +08:00
|
24
arbipher 2014-03-28 23:10:27 +08:00 1
@oldcai
heta computed from gradient descent: 334302.063993 100087.116006 3673.548451 Predicted price of a 1650 sq-ft, 3 br house (using gradient descent): $289314.620338 Theta computed from the normal equations: 89597.909542 139.210674 -8738.019112 Predicted price of a 1650 sq-ft, 3 br house (using normal equations): $293081.464335 我的结果,没有几个数量级的差价。 |
25
arbipher 2014-03-28 23:18:19 +08:00 1
我每次回这个帖子的时候,v2ex都正好被Chrome的StayFucosd插件把block,然后我得用Safari再打开看一遍到底有没有发出去。。。
|
27
oldcai 2014-03-30 19:59:05 +08:00
@arbipher 好奇怪,是不是我的式子列的不对呀
用的你的theta的数据,两个都是同样的算法,可是就是差别几个数量级呢 [1 1650 3]*[334302.063993;100087.116006;3673.548451] = 1.6549e+08 [1 1650 3]*[89597.909542;139.210674;-8738.019112] = 2.9308e+05 |
28
arbipher 2014-03-30 21:02:14 +08:00 1
|
30
typing OP 今天收到了Machine Learning的结业证书. 一段旅程结束了.
|