2016年06月_豆芽炒粉丝

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 Machine Learning Foundations: A Case Study Approach-Regression-Assignment: Predicting House Prices

Predicting house pricesIn this module, we focused on using regression to predict a continuous value (house prices) from features of the house (square feet of living space, number of bedrooms,…). We al

2016-06-26 21:07:43 3288

原创 Coursera机器学习-第十周-Large Scale Machine Learning

Gradient Descent with Large DatasetsLearning With Large Datasets 我们已经知道，得到一个高效的机器学习系统的最好的方式之一是，用一个低偏差(low bias)的学习算法，然后用很多数据来训练它。下面是一个区分混淆词组的例子：但是，大数据存在一个问题，当样本容量m=1,000时还行，但是当m=100,000,000呢？请看一下

2016-06-23 15:47:21 4836

原创 Machine Learning-Recommender Systems(推荐系统)

Predicting Movie Ratings Problem Formulation 推荐系统问题就是，给定这些数据，给定这些 r(i,j)r(i, j) 和y(i,j) y(i, j) 数值，然后浏览全部数据，关注所有没有电影评分的地方，并试图预测这些带问号的地方应该是什么数值。 Content Based Recommendations 对于每一部电影，我们都有一个特征向量来描述它

2016-06-21 15:25:57 2387

原创 Coursera机器学习-第九周-Anomaly Detection

Density EstimationProblem Motivation 所谓异常检测就是发现与大部分对象不同的对象，其实就是发现离群点,异常检测有时也称偏差检测,异常对象是相对罕见的。应用：欺诈检测：主要通过检测异常行为来检测是否为盗刷他人信用卡。入侵检测：检测入侵计算机系统的行为医疗领域：检测人的健康是否异常下面来看一个例子： x1x_1：引擎运转时产生的热量 x2x_2

2016-06-18 13:57:12 5946 2

原创 Coursera机器学习-第七周-Support Vector Machine

Large Margin Classification 支持向量机(Support vector machine)通常用在机器学习 (Machine learning)。是一种监督式学习 (Supervised Learning)的方法，主要用在统计分类 (Classification)问题和回归分析 (Regression)问题上。支持向量机属于一般化线性分类器，也可以被认为是提克洛夫规范化（Ti

2016-06-13 10:24:40 6429 1

原创 Coursera机器学习-第八周-Unsupervised Learning(K-Means)

ClusteringUnsuperivised Learning:Intruduction 典型的Supervised Learning 有一组附标记(y(i)y^{(i)})的训练数据集，我们想要找出决策边界,藉此区分开正(positive)或负(negative)标记数据。 Unsupervised Learning 我们面对的是一组无标记的训练数据，数据之间，不

2016-06-12 09:30:10 4190

原创 Machine Leanring-Principal Component Analysis(PCA)

Principal Component Analysis 方差：数据与平均数之差平方和的平均数。更多详见 Principal Component Analysis(PCA)是最常用的线性降维方法，它的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。通俗的理解，如果把所有的点都映射到一起，那么几

2016-06-12 09:01:17 3108 1

翻译 HIVE VS HBASE区别

Pre_knowledge: ACID，指数据库事务正确执行的四个基本要素的缩写。包含：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）。一个支持事务（Transaction）的数据库，必需要具有这四种特性，否则在事务过程（Transaction processing）当中无法保证数据的正确性，交易过程极可能达不到交易方的

2016-06-06 10:48:28 604

原创 Coursera机器学习-第六周-Advice for Applying Machine Learning

Evaluating a Learning Algorithm Desciding What to Try Next Evaluating a Hypothesis Model Selection and Train/Validation/Test sets Bias vs. Variance Diagnosing Bias vs. Variance

2016-06-01 07:58:34 4351