2015年08月_Janee_Chen

08月

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(三)

第5集生成学习算法（一）生成学习模型：例如：恶性和良性癌症的问题，分别对样本中恶性癌症和良性癌症的特征分别建模，当有新的样本需要判定时，看它是和哪个模型更像，进而预测该样本是良性还是恶性学习p(x|y)，p(y)(叫做class prior)，通过贝叶斯推理后验概率：因为p(x) = p(x|y = 1)p(y = 1) + p(x|y =0)p(y = 0)可以通过p(x

2015-08-08 21:58:32 3421

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(二)

第3集欠拟合和过拟合的概念一、线性回归的解释，最后一项表示误差项（独立同分布），对前面未被建模的因素进行考虑，一般误差项的加和，根据中心极限定理，符合高斯分布推出：注意：分号表示（频率学派的观点，逗号则是贝叶斯学派的观点），以theta为参数的概率，theta不是随机变量，而是有真正数值但未知。然后最大似然求解二、Locally weigh

2015-08-06 21:02:46 2092

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(一)

看到蘑菇街招聘的一个加分项是学过Andrew Ng的机器学习课程，于是找来看了下目录，大多数内容之前在PRML中有接触过，研究生课程智能信息处理中也有接触，但觉得不够系统，于是按斯坦福的公开课课表过一遍，有个完整的框架。————————————————————————————第1集机器学习的动机与应用 Arthur Samuel(1959)Machine Learning:F

2015-08-05 16:24:31 4893

转载 Logistic Regression 模型简介

Logistic Regression 模型简介FIN2015-05-08 18:00逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇，主要关注逻辑回归算法的数学模型和参数求解方法，最后也会简单讨论下逻辑回归和贝叶斯分类的关系，以及在多分类问题上的推广。

2015-08-04 09:02:23 486

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(三)

原创 《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(二)

原创 《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(一)

转载 Logistic Regression 模型简介

空空如也

空空如也

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(三)

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(二)

原创《机器学习》（Machine Learning）——Andrew Ng 斯坦福大学公开课学习笔记(一)