Homework_Week8_Coursera【Machine Learning】AndrewNg、Unsupervised Learning

于 2021-09-21 15:12:52 发布
阅读量271 收藏 1
点赞数
分类专栏： Coursera 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/A793539835/article/details/120397283
版权

Homework_Week8_Coursera【Machine Learning】AndrewNg、Unsupervised Learning

1 For which of the following tasks might K-means clustering be a suitable algorithm? Select all that apply.

在这里插入图片描述

解析

A 从不同的新闻网站发现主要的主题、明显是一个聚类算法
B 从网站的使用模式，发现用户的不同群体、
C 有很多EMAIL，你想要判断是否是垃圾邮件、错误，明显是监督学习，且非聚类
D根据历史记录，猜测明天是有雨还是晴天、错误，属于回归问题

答案

AB

2 Suppose we have three cluster centroids u=…

在这里插入图片描述

解析

假设有三个族的中心u1,u2,u3。我们有一个训练样本x(i)，感觉和u3有重合、
算距离根号下a2+b2 ，1根号5 2是9 3是根号2
距离最短

答案

D

3 K-means is an iterative algorithm, and two of the following steps are repeatedly carried out in its inner-loop. Which two?

在这里插入图片描述

解析

KMEAN是一个可迭代算法，并且以下两步会直接导致内部循环，哪两个呢？

答案

AC

4 Suppose you have an unlabeled dataset…

在这里插入图片描述

解析

假设你有未标签数据集、你跑了KMEANS用50钟不同的类别、有哪些推荐的方法给者50种类别使用
这节课学的知识点

答案

C

5 Which of the following statements are true? Select all that apply.

在这里插入图片描述

解析

A 选正确的、担心Kmean会困在糟糕的局部最优解，一个优化方法就是随机生成初始化，没错
B 自从KMEAN是一个无监督学习算法，它不会过拟合数据、所以永远都是集合越多越好、肯定不是，这里参考课上讲的肘部拐点选择法、横轴分类数量 纵轴损失函数j
C正确、确实一些数据集中的正负样例摸棱两可的
D 错误怎么会都是从0向量开始呢，应该是随机

答案

AC

不会写程序的程序员.
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
coursera-斯坦福-机器学习-吴恩达-第8周笔记-无监督学习
和而不流
12-19 6099
coursera-斯坦福-机器学习-吴恩达-第8周笔记-无监督学习coursera-斯坦福-机器学习-吴恩达-第8周笔记-无监督学习 1聚类算法clutering 1聚类算法简介 2K-means 21kmeans的目标函数 22随机初始化 23选择类别数 3考试quiz 维数约减 dimensionality reduction 1数据压缩 2数据可视化 3维度约简-主成分分析法PCA 1 PCA
Coursera—machine learning(Andrew Ng)编程作业ex1-ex8
01-15
在本资源中，"Coursera—machine learning(Andrew Ng)编程作业ex1-ex8" 是一项关于机器学习的在线课程，由著名学者吴恩达（Andrew Ng）教授。这门课程是许多初学者入门机器学习的经典途径。编程作业部分包括了从ex1...
【Machine Learning】【Andrew Ng】- Quiz1(Week 8)
yumebou
01-04 7403
1、For which of the following tasks might K-means clustering be a suitable algorithm? Select all that apply. A. Given a database of information about your users, automatically group them into differen
Machine Learning week 7 quiz: Unsupervised Learning
热门推荐
GarfieldEr007的专栏
11-26 1万+
Unsupervised Learning 5 试题 1.  For which of the following tasks might K-means clustering be a suitable algorithm? Select all that apply. Given his
Machine Learning week8 quiz1
Mori先生丶的博客
03-15 1128
Question 11point1. Question 1For which of the following tasks might K-means clustering be a suitable algorithm? Select all that apply.Given historical weather records, predict if tomorrow's weather wi...
Week8_1Unsupervised Learning
wangcong02345的专栏
02-25 1317
Week8_1Unsupervised Learning Week8_1Unsupervised Learning 第 1 题 第 2 题 第 3 题 第 4 题 第 5 题 第 1 题 For which of the following tasks might K-means clustering be a suitable algorithm? Select al...
machine-learning-ex5_macinelearning_coursera_machinelearning_
09-30
标题 "machine-learning-ex5_macinelearning_coursera_machinelearning_" 暗示这是一个关于机器学习的课程作业或练习，可能来自于Coursera上的Andrew Ng教授的《机器学习》课程。"ex5"通常表示这是课程中的第五个...
Coursera-Machine-Learning:Ng的机器学习笔记和作业-Python3代码
04-30
不过笔者觉得无论是对 Machine Learning 的学习还是对未来工程项目的开发 Python 都更为合适。所以笔者就使用 Python 将课程作业重新实现了一遍。希望这个项目能帮助大家理清课程的内容，理解算法背后的模型，掌握...
Coursera 机器学习课程 Machine Learning Andrew Ng Stanford 讲义合集 lectures
06-22
最新（2013年春）一期的Coursera 机器学习课程 Machine Learning Andrew Ng Stanford 讲义合集 lectures 是我在跟进课程学习时候下载的，非常好的课程和讲解，的确很有收获。 希望能够对大家有用。
Coursera-machinelearning：斯坦福大学-Andrew Ng的机器学习
02-04
Coursera-machinelearning：斯坦福大学-Andrew Ng的机器学习
Coursera Machine Learning 第八周 quiz Unsupervised Learning
OovEver的专栏
11-12 8076
1 point 1.  For which of the following tasks might K-means clustering be a suitable algorithm? Select all that apply. 答案AB Given a database of information abou
Andrew Ng Machine Learning 第八周
未知丶的博客
12-23 472
Andrew Ng Machine Learning 第八周前言无监督学习1.模型描述2.K-Means算法题目1.Question 12.Question 23.Question 34.Question 45.Question 5 前言 网易云课堂（双语字幕，不卡）：https://study.163.com/course/courseMain.htm?courseId=1004570029 C...
How Regexes Work
weixin_33682790的博客
08-13 149
from http://perl.plover.com/Regex/article.html (there are some charts and graphs in the original article) How Regexes Work Mark-Jason Dominus Copyright © 1998 The Perl Journal. Reprinted with p...
复制算法和标记整理算法_k表示处理未标记数据的算法
weixin_26749843的博客
10-07 292
复制算法和标记整理算法什么是无监督学习？(What is Unsupervised Learning?) You may have heard about Market Segmentation where there is a database of customers and we group them into different market segments so as to serve...
123
weixin_30736301的博客
09-09 240
\documentclass[11pt]{article} % use larger type; default would be 10pt \usepackage{framed} \usepackage[utf8]{inputenc} % set input encoding (not needed with XeLaTeX) \usepackage{...
吴恩达机器学习（八）聚类与降维（K-Means，PCA）
fun1024
04-08 3445
-
机器学习算法与Python实践之（五）k均值聚类（k-means）
modabobo
12-26 4871
机器学习算法与Python实践之（五）k均值聚类（k-means） zouxy09@qq.com http://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这...
Machine Learning(week 7~11)
weixin_30325793的博客
02-21 373
Support Vector Machines Large Margin Classification 1. Optimization Objective Support vector machine (SVM): a supervised learning algorithm, sometimes gives cleaner, more powerful ways of learning ...
Python入门到实战（十一）无监督学习、KMeans、KNN、实现图像分割、监督学习VS无监督学习
A793539835的博客
05-14 1719
Python入门到实战（十一）无监督学习、无监督学习unsupervised learning特点：应用：K均值聚类核心流程：核心公式：KMeans　VS　KNN三级目录 无监督学习unsupervised learning 特点： 数据不需要标签->数据采集难度下降，极大扩充样本量 算法不受监督信息（偏见）约束->可能发现新的数据规律以及被忽略的重要信息 应用： 1.聚类分析 按照一定方法划分数据为不同的组别，使得在同一个组别中的对象有相似的一些属性 2.关联规则、3.维度缩减 K均值聚类 在
coursera machine learning
最新发布
06-28
Coursera机器学习是由斯坦福大学教授Andrew Ng主讲的一门在线课程，旨在向学习者介绍机器学习的基本概念、算法和应用。该课程涵盖了监督学习、无监督学习、深度学习等多个方面，通过理论讲解和实践编程作业，帮助学习者掌握机器学习的基本原理和实践技能。该课程是Coursera平台上最受欢迎的课程之一，也是机器学习领域入门的重要资源之一。 ### 回答2： Coursera机器学习是由斯坦福大学Andrew Ng教授设计并教授的在线课程。这门课程被认为是公认的机器学习入门教材之一，也是Coursera平台最受欢迎的课程之一。 这门课程涵盖了机器学习领域中最基础的知识和技术，包括监督学习、无监督学习以及神经网络等。学生可以通过该课程了解到如何采集和处理数据、如何训练模型、如何评估模型的性能等。此外，课程还涉及到机器学习中一些实用的技术，如正则化、梯度下降等。 该课程受到了全球范围内的认可和青睐，许多学生、工程师、数据科学家等都受益于该课程。由于该课程的知识点全面、深入浅出、容易理解和学习，在业内和学术界都广受赞誉，拥有较高的知名度和价值。 总之，Coursera机器学习是一门非常好的课程，对于那些对机器学习感兴趣的人来说，它是一个不可错过的机会。课程教材内容丰富、难度适中，且教学相对轻松愉悦，难怪在学习资源上产生了广泛的影响。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不会写程序的程序员.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值