小编Ram*_*Ram的帖子

我正在学习机器学习课程.机器学习对我来说是一个很好的领域.在第一次编程练习中,我在梯度体面算法中遇到了一些困难.如果有人可以帮助我,我将不胜感激.

这是更新thetas的说明;

"你将在文件gradientDescent.m中实现梯度下降.循环结构已经为你编写,你只需要在每次迭代中提供θ的更新.

    function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)
    %GRADIENTDESCENT Performs gradient descent to learn theta
    %   theta = GRADIENTDESENT(X, y, theta, alpha, num_iters) updates theta by 
    %   taking num_iters gradient steps with learning rate alpha

   % Initialize some useful values
   m = length(y); % number of training examples
   J_history = zeros(num_iters, 1);

   for iter = 1:num_iters

% ====================== YOUR CODE HERE ======================
% Instructions: Perform a single gradient step on the parameter vector
%               theta. 
% …

我的数据中有一些时间作为字符串格式.任何人都可以帮我在Matlab中将这个日期转换为毫秒.

这是一个日期看起来如何的例子'00:26:16:926',那就是0小时26分16秒和926毫秒.转换这个时间之后,我需要得到的毫秒数,例如我上面给出的时间为1576926毫秒.先感谢您.

我对p值的概念感到困惑。通常，如果p值大于通常为0.05的alpha值，则我们无法拒绝原假设，并且如果p值小于alpha，我们将拒绝原假设。据我了解，如果p值大于alpha，则两组之间的差异仅仅是由于采样误差或偶然造成的，到目前为止一切正常。但是，如果p值小于alpha，则结果在统计上是有意义的，我假设它在统计上是不重要的（因为在p值小于alpha的情况下，我们将拒绝原假设）。

基本上，如果结果具有统计意义，则拒绝原假设。但是，如果假设在统计意义上是重要的，该如何拒绝它呢？从“具有统计意义的意义”一词，我理解结果是好的。