Coursera-Machine Learning-Week4
Week4の課題にはおまけのようなパートがついていたので、 読み込んでみたいと思います。 ex3_nn.mを実行すると最後にこういう文がでてきます↓ そしてFigure1に数字が1文字でてきます↓ このようになっているのex3_nn.mの最後にあるこの部分ですね↓ 1つ1つ読ん…
今回はNeural Networkの課題に取り組みます 前回までで ①ビデオの振り返り --＞完了 ②問題文を読む --＞途中 ③プログラム全体ex3_nnを読む --＞やってない ④プログラム詳細predict.mを読む --＞やってない の状態でした。 今までで分かっている大事な点は構…
問題文を読んで分からなかったのでVIDEOを再度見てみました。 Video① Non linear Hypotheses Video② Neurons and Brain Video③ Model RepresentationI Video④ Model RepresentationII Video⑤ Examples and IntuitionsI Video⑥ Examples and IntutionsII Vide…
前回の続きです。 ①ビデオの振り返り ②問題文を読む ③プログラム全体ex3_nnを読む ④プログラム詳細predict.mを読む の順に進むといって前回は②の途中でした。 前回は構造が↓と把握したところまできました。 もう既に出題側が計算を終えているというTheta1とT…
ついにNeural Networkの課題にたどり着きました！ ①ビデオの振り返り ②問題文を読む ③プログラム全体ex3_nnを読む ④プログラム詳細predict.mを読む の順にやっていきたいと思います。 ①まずビデオの振り返りです。 （出典;『Coursera Machine Learning』 By …
前回気づいたこの点に取り組みたいと思います。 ********************************************************************* が、問題文詳細oneVSAll.mを読んで 問題文とは違うことをやっていることに気づきましたorz 問題文詳細oneVSAll.mでは、ユーザーが変…
前回と同じく引き続きoneVsAll.mに取り組みます。 が、問題文詳細oneVSAll.mを読んで 問題文とは違うことをやっていることに気づきましたorz 問題文詳細oneVSAll.mでは、ユーザーが変更しない箇所に all_theta = zeros(num_labels, n + 1) と書いてあります…
今回も前回に引き続きoneVsAll.mに取り組みます。 前回はK=1のときの最適thetaを取り出せたので401X1のthetaは取り出せたのですが、 目標としている401X10は取り出せませんでした。 401X10を取り出すためにはループシュミレーション取り出しが必要になったの…
今回も前回に引き続きoneVsAll.mに取り組みます。 プログラム詳細版oneVsAll.mの中にヒントらしきものがありました↓ fmincgの使い方が書いてあります。 というかこれをコピペでいいんじゃないだろうか、 というレベルで書いてある気がします。 ただ、0から9…
今回はoneVSAll.ｍに取り組みます。 前回までRegularized Logistic Regressionに取り組んでいました。 One VS Allは↓のような Logistic Regressionでできる0か1の答えを場合分けして（K=1のとき、K=2のとき、・・・・）いくものだとVIDEOで言っていたので、 …
前回の終わりから問題文を読み進めていきます。 one-vs-allでloopが必要だけれど、まずは1つのパターンの式を作ってみようと 言っていると思います。 ポイントでいうと↓の部分です。 Regularized Logistic RegressionはWeek3の課題にもあったから、 完コピで…
Week4の課題は0-9の手書きの数字を機械学習させて認識させる課題でした。 これをMulti-Class classificationとNeural Networkの2つの方法で解くという設定でした。 Neural Networkをついにプログラミングできるという喜びとやりがいのある 課題だったのを覚…
