第二周编程作业:Linear Regression
分为单一变量和多变量,假想函数为:hθ(x)=θ0+θ1x1+θ2x2+θ3x3+⋯+θnxn。明显已经包含单一变量的情况,所以完成多变量可以一并解决单一变量问题。
其中,需要注意的地方:
Feature normalization中,sigma是均方误差(标准差)。mu是某一列feature的平均值。
代码包上传到gitlab,所有问题的公式都在:coursera的lecture上。
最终结果:Nice work!
第二周编程作业:Linear Regression
分为单一变量和多变量,假想函数为:hθ(x)=θ0+θ1x1+θ2x2+θ3x3+⋯+θnxn。明显已经包含单一变量的情况,所以完成多变量可以一并解决单一变量问题。
其中,需要注意的地方:
Feature normalization中,sigma是均方误差(标准差)。mu是某一列feature的平均值。
代码包上传到gitlab,所有问题的公式都在:coursera的lecture上。
最终结果:Nice work!