y作m次多元式拟合的MATLAB代码机器学习（MATLAB）-正则化线性回归和偏差/方差 斯坦福大学的机器学习课程。 环境 macOS Catalina（版本10.15.3） MATLAB 2018 b 数据集 ex5data1.mat 此仓库中包含的文件 ex5.m-分步练习的Octave / MATLAB脚本 ex5data1.mat-数据集 Submit.m-将解决方案发送到我们的服务器的提交脚本 featureNormalize.m-功能归一化功能 fmincg.m-函数最小化例程（类似于fminunc） plotFit.m-绘制多项式拟合 sigmoid.m-Sigmoid函数 trainLinearReg.m-使用成本函数训练线性回归 [⋆] linearRegCostFunction.m-正则化线性回归成本函数 [⋆] learningCurve.m-生成学习曲线 [⋆] polyFeatures.m-将数据映射到多项式特征空间 [⋆] validationCurve.m-生成交叉验证曲线 第1部分：正则线性回归 我们将执行正规化线性回归，以利用水库中水位的变化预测从大坝

博客：https://baishui.blog.csdn.net/article/details/123065482

y作m次多元式拟合的MATLAB代码偏差与方差分析-回归 实施正则化线性回归，并将其用于研究具有不同偏差方差属性的模型。 编程练习5：正则线性回归和偏差与方差机器学习简介在本练习中，您将实现正则线性回归并将其用于研究具有不同偏差方差属性的模型。 在开始编程之前，我们强烈建议您观看视频讲座并完成相关主题的复习问题。 要开始练习，您需要下载启动程序代码并将其内容解压缩到您希望完成练习的目录中。 如果需要，在开始本练习之前，请使用Octave / MATLAB中的cd命令更改为该目录。 您也可以在课程网站的“ \\环境设置说明”中找到安装Octave / MATLAB的说明。此练习ex5.m中包含的文件-Octave / MATLAB脚本可逐步完成练习ex5data1.mat-数据集提交。 m-将解决方案发送到我们服务器的提交脚本featureNormalize.m-功能归一化函数fmincg.m-函数最小化例程（类似于fminunc）plotFit.m-绘制多项式t trainLinearReg.m-使用成本函数训练线性回归[ ？RegularRegCostFunction.m-正则化线性

rfm模型matlab代码卫星图像 RPC 中的偏差优化 我们在这里提供了一些使用有理函数模型 (RFM) 算法的 2D-3D 图像/对象坐标的 matlab 代码。 所有这些代码都用于我们的实验。 将您的地面控制点 (GCP) 放在 WGS84_Obse_Sample.txt 中，并将这些点的坐标放在 MIC_L_Sample.txt 和 MIC_R_Sample.txt 中的两个图像（左侧和右侧）上。 此外，提取 Coeff.txt 中随卫星图像提供的有理多项式系数 (RPC)。 您可以通过运行 Ours-2D-3D-First-Order.m 来获得结果。 如果您在代码中遇到一些问题或发现一些错误，请发送电子邮件至：或

JESD22-A108C

机器学习中的bias和variance解释，英文ppt 非常重要的概念

S/B(slope-bias，斜率-偏差)校正法的算法代码，用于仪器校正，光谱转换。使用matlab代码编写，有详细的注释，以及测试数据，另附算法描述。

集成的聚合物波导生物传感器通常用于检测化学/生物样品。 为了提高传统的仅具有一个感测表面的波导传感器的灵敏度，我们基于电感耦合等离子体刻蚀方法设计并制造了具有三个感测表面的改进的感测窗，在理论上其灵敏度可以提高2.8倍。 系统研究了刻蚀参数的影响，尤其是天线功率，偏置功率和氧气流速的影响，并对刻蚀参数进行了优化，以制作出感应窗。 在这种最佳刻蚀条件下，制造了具有改进的感测窗的单模平衡马赫曾德尔干涉仪波导生物传感器，其灵敏度高于传统感测窗的传感器。 这种类型的感测窗口在聚合物波导生物传感器设备中将非常有用。

nlp-教科书-偏见

A Survey on Bias and Fairness in Machine Learning