吳恩達機器學習 程式設計練習 ex6 1

本節練習是為了應用svm演算法，並靈活運用c和gamma引數

首先load資料集並plot

#----------------------------part1---------------------------#

#讀取資料1，並將資料整理成可識別的格式
path = 'c:\\users\huanuo\pycharmprojects\ml\ex6_svm\ex6\ex6data1.mat'
m = loadmat(path)
df1 = pd.dataframe(m['x'])
df2 = pd.dataframe(m['y'])
df3 = pd.concat([df1,df2],axis=1)
df3.columns = [1,2,3]
#將資料視覺化
然後簡單應用svm演算法，並plot線性擬合結果
#----------------------------part2---------------------------#

#進行線性核函式的訓練，c=1
x_train,y_train = df1,df2
clf = svc(kernel='linear')
clf.fit(x_train,y_train)
#視覺化處理
w = clf.coef_
b = clf.intercept_#訓練後模型的函式引數
然後嘗試將c值調整到100，看一下擬合結果
#----------------------------part3---------------------------#

#進行線性核函式的訓練，c=100
x_train,y_train = df1,df2
clf = svc(kernel='linear',c=100)
clf.fit(x_train,y_train)
#視覺化處理
w = clf.coef_
b = clf.intercept_#訓練後模型的函式引數
				
吳恩達機器學習ex7
這一部分實現k means聚類方法並用於影象壓縮。k mean演算法是一種自動將相似資料聚類到一起的方法。該演算法是乙個迭代的過程，開始時隨機設定乙個質心，之後重複地將資料點分配到離其最近的質心，再重新計算質心。演算法過程就是重複以下兩個步驟 1 將每個樣本點分配到最近的質心 2 重新計算每個類的均...
				
吳恩達機器學習   程式設計練習7
本練習的主題是k means clustering and principal component analysis，即k均值聚類演算法和主要成分分析。因此這篇文章也分兩部分來討論，根據作業檔案的步驟來分別對k均值聚類演算法和pca進行討論原理以及如何實現。k means clustering al...
				
吳恩達機器學習   程式設計練習8
假設特徵服從正態分佈，通過計算整體概率判斷是否小於某個值，從而判斷是不是正常的。estimategaussian.m estimate parameters mu sum x m m add zeros n 1,n mu tmp mu m add mu tmp ones m,n mu tmp sig...