2014斯坦福大学-吴恩达公开课学习笔记

资源链接：链接: https://pan.baidu.com/s/1c1MIm1E 密码: gant

chapter2 : linear regression with one feature

 

************************************************************************************************************

************************************************************************************************************

chapter4：linear regression with multiple feature

• 在我们面对多维特征问题的时候，我们要保证这些特征都具有相近的尺度，这将帮助梯度下降算法更快地收敛

   

 

• 如果学习率 α 过小，则达到收敛所需的迭代次数会非常高；如果学习率 α 过大，每次迭代可能不会减小代价函数，可能会越过局部最小值导致无法收敛。

        

************************************************************************************************************

************************************************************************************************************

chapter 5 : Octave

• 参考文献 
• plot 

  x=[0:0.01:1];
  y1=sin(2*pi*x);
  plot(x,y1);
  y2=cos(2*pi*x);
  hold on;
  plot(x,y2);
  xlabel('time');
  ylabel('value');
  title('my plot');
  legend('sin','cos');
  print -dpng 'my.png';
  close;
  figure(1);plot(x,y1);
  figure(2);plot(x,y2);
  figure(3);
  subplot(1,2,1);
  plot(x,y1);
  subplot(1,2,2);
  plot(x,y2);
  axis([0.5 1 -1 1]); %change the axis of x and y
  clf;
  a=magic(5)
  imagesc(a);
  imagesc(a), colorbar,colormap gray;

  View Code