Mac Jiang的机器学习专栏
文章平均质量分 87
大家好,我是Mac Jiang,是同济大学计算机系在读研究生,研究方向为机器学习。作为一个研究生,我也一直在学习机器学习的相关知识,我的学习方式主要是网上自学。我个人也很想和大家分享一些自己的见解,为同学们提供一些学习上的帮助!
Mac Jiang
这个作者很懒,什么都没留下…
展开
-
关于Adaboost的一些理解
近段时间一直在学习spark 2.0框架,一个任务就是在spark下实现adaboost + logisticRegression的组合分类器,即利用逻辑回归作为adaboost的底层分类器,利用adaboost提升逻辑回归的性能。总所周知,当程序能完全在内存中运行时,spark的运行速度是hadoop的100倍;当程序需要借助磁盘运行时,spark的速度是hadoop的10倍。然而,作为机器学习原创 2017-02-05 19:06:18 · 6065 阅读 · 1 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 课后习题解答
大家好,我是Mac Jiang,今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业四的习题解答。笔者在做这些题目时遇到很多困难,当我在网上寻找答案时却找不到,而林老师又不提供答案,所以我就想把自己做题时对题目如何思考的写下来,为大家提供一些思路。当然,我对题目的理解不一定是正确的,如果各位博友发现错误请及时留言联系,谢谢!再次提醒原创 2016-04-17 16:05:47 · 9557 阅读 · 1 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业四 Q13-20 MATLAB实现
大家好,我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石(Machine Learning Foundations)-作业四 Q13-20的MATLAB实现。以前的代码都是通过C++实现的,但是发现C++实现这些代码太麻烦,这次作业还要频繁更改参数值,所以选择用MATLAB实现了。与C++相比,MATLAB实现显然轻松很多,在数据导入方面也更加方便。我的代码虽然能够得到原创 2016-04-17 13:49:05 · 5223 阅读 · 1 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 课后习题解答
今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业三的习题解答。笔者在做这些题目时遇到很多困难,当我在网上寻找答案时却找不到,而林老师又不提供答案,所以我就想把自己做题时对题目如何思考的写下来,为大家提供一些思路。当然,我对题目的理解不一定是正确的,如果各位博友发现错误请及时留言联系,谢谢!再次提醒:请不要以此博客作为通过考试的用原创 2016-04-09 10:22:14 · 10642 阅读 · 11 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q18-20 C++实现
大家好,我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石(Machine Learning Foundations)-作业三 Q18-20的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现,但是给出C++实现的文章明显较少,这里为大家提供一条C++实现的思路!我的代码虽然能够得到正确答案,但是其中可能有某些思想或者细节是错误的,如果各位博友发现,请及原创 2016-04-07 14:43:19 · 6797 阅读 · 2 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总
大家好,我是Mac Jiang,很高兴您能在百忙之中阅读我的博客!这个专题我主要讲的是Coursera-台湾大学-機器學習基石(Machine Learning Foundations)的课后习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的,但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度,教你如何使用机器学习,注重方法而不是数学推导,是一门很好的入门教程原创 2016-04-07 13:24:56 · 58048 阅读 · 18 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q13-15 C++实现
大家好,我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石(Machine Learning Foundations)-作业三 Q6-10的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现,但是给出C++实现的文章明显较少,这里为大家提供一条C++实现的思路!我的代码虽然能够得到正确答案,但是其中可能有某些思想或者细节是错误的,如果各位博友发现,请及时原创 2016-04-07 13:20:01 · 7016 阅读 · 1 评论 -
機器學習基石(Machine Learning Foundations) 机器学习基石 作业二 课后习题解答
大家好,我是Mac Jiang,首先祝贺大家清明节快乐!作为一名苦逼的程序员,博主只能窝在实验室玩玩游戏,顺便趁着大早上没人发一篇微博。不过还是祝各位出行的兄弟玩的开心! 今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业二的习题解答。笔者在做这些题目时遇到很多困难,当我在网上寻找答案时却找不到,而林老师又不提供原创 2016-04-02 10:54:33 · 14780 阅读 · 17 评论 -
機器學習基石 机器学习基石 (Machine Learning Foundations) 作业二 Q19-20 C++实现
大家好,我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石(Machine Learning Foundations)-作业2 Q19-20的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现,但是给出C++实现的文章明显较少,这里为大家提供一条C++实现的思路!我的代码虽然能够得到正确答案,但是其中可能有某些思想或者细节是错误的,如果各位博友发现,请及原创 2016-03-31 20:20:03 · 4356 阅读 · 0 评论 -
機器學習基石 机器学习基石 (Machine Learining Foundations) 作业2 Q16-18 C++实现
大家好,我是Mac Jiang,今天和大家分享Coursera-NTU-機器學習基石(Machine Learning Foundations)-作业2 Q16-18的C++实现。虽然有很多大神已经在很多博客中给出了Phython的实现,但是给出C++实现的文章明显较少,这里为大家提供一条C++实现的思路!我的代码虽然能够得到正确答案,但是其中可能有某些思想或者细节是错误的,如果各位博友发现,请及原创 2016-03-31 09:07:17 · 8582 阅读 · 8 评论 -
機器學習基石 机器学习基石(Machine Learning Foundations) 作业1 习题解答
大家好,我是Mac Jiang,今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业1的习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的,但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度,教你如何使用机器学习,注重方法而不是数学推导,是一门很好的入门教程;而林轩田老师的机器学习基石是站在统计原创 2016-03-26 12:56:17 · 32596 阅读 · 112 评论 -
機器學習基石 (Machine Learning Foundations) 作业1 Q18-20的C++实现(pocket)
大家好,我是Mac Jiang,今天和大家分享Coursera---台湾大学---機器學習基石 (Machine Learning Foundations)---作业1:Q18-20的C++实现。虽然我的代码得到了较为正确的结果,但是肯定不是最好的,如果各位博友有更好的实现思路,请留言指正,谢谢!希望我的博客能给您带来一些学习上的帮助!Q15-17的实现过程已经在:http://blog.csdn原创 2016-03-25 14:35:38 · 8046 阅读 · 1 评论 -
機器學習基石 (Machine Learning Foundations) 作业1 Q15-17的C++实现
大家好,我是Mac Jiang。今天和大家分享Coursera-台湾大学-機器學習基石 (Machine Learning Foundations) -作业1的Q15-17题的C++实现。这部分作业的任务主要是写一个PLA分类器,用于解决一个4维数据的分类问题。我的代码也许能较好的运行PLA算法,但它不一定是最好最快的实现过程,如果各位博友有更好的思路,请留言联系,谢谢!希望我的博客能给您带来一些学原创 2016-03-25 14:23:56 · 13649 阅读 · 8 评论 -
Week 11:Application:Photo OCR课后习题解答
大家好,我是Mac Jiang,今天和大家分享的是Coursera-Stanford University-Machine Learning-Week 11:Application:Photo OCR的课后习题解答。虽然我的答案通过了系统测试,但是有些分析可能是错误的。各位博友如果发现错误,请留言纠正,谢谢。希望我的博客能给大家带来一些学习上的帮助! 这周的课程中,老师主要讲了四个方面原创 2016-03-20 22:31:00 · 4935 阅读 · 1 评论 -
Week 10:Large Scale Machine Learning课后习题解答
大家好,我是Mac Jiang,今天和大家分享Coursera-Stanford University-Machine Learning-Week 10:Large Scale Machine Learning的课后习题解答。虽然我的答案通过了系统测试,但是我的分析不一定是正确的,如果各位博友发现错误或有更好的想法,请留言联系,谢谢。希望我的博客对您的学习有所帮助!这单元,吴恩达老师主要讲了五个方面原创 2016-03-19 10:01:20 · 7016 阅读 · 0 评论 -
C++输入cin,cin.get(),cin.getline()详细比较及例子
本文主要介绍C++输入的cin,cin.get(),cin.getline()的基本用法,介绍他们之间的区别和例子。最后给出一种以任意字符做分隔符的的输入方法。原创 2016-01-25 13:13:39 · 34474 阅读 · 23 评论 -
专栏介绍
大家好,我是Mac Jiang,是同济大学计算机系在读研究生,研究方向为机器学习。作为一个研究生,我也一直在学习机器学习的相关知识,我的学习方式主要是网上自学。我个人也很想和大家分享一些自己的见解,为同学们提供一些学习上的帮助!原创 2016-03-17 16:18:15 · 2212 阅读 · 4 评论 -
Week6_Machine Learning System Design课后习题解答
大家好,这篇文章主要和大家讨论coursra网站上斯坦福大学机器学习第6周第二部分Machine Learning System Design的课后习题。我将给出习题的大致翻译和本人的解题思路,其中可能存在错误,欢迎大家批评指正!原创 2016-03-02 16:45:20 · 6312 阅读 · 1 评论 -
Programing Exercise 4:Neural Networks Learning
本文讲的是coursera上斯坦福大学机器学习公开课(吴文达)课程第五周Neural Networks :learning 的课后作业。本文给出了作业实现的具体代码,并给出相应的注释和解释,供各位同学共同讨论学习。原创 2016-02-29 19:20:47 · 3217 阅读 · 4 评论 -
Week6:Advice for Applying Machine Learning课后习题解答
本文将主要解释coursera网站上斯坦福大学的机器学习公开课(吴文达老师)第六周Advice for Applying Machine Learning的课后习题的讲解,与同学们共同探讨学习。 1.第一题 题意:你训练了算法,在用测试数据进行测试时有很大的错误,画出了如下图所示的学习曲线。请问它是高偏差,高方差还是两者都不是? 分析:吴老师在上课时候就明确说过,随着m增大,Jte原创 2016-03-01 17:04:31 · 4279 阅读 · 1 评论 -
Programming Exercise5:Regularized Linera Regression and Bias v.s Variance
大家好,本文主要和大家分享coursera网站上斯坦福大学机器学习公开课(吴文达老师)第六周Reguirized Linera Regression and Bias v.s Variance的课后编程题。这周的课程主要介绍了一些模型选择,样本分类,bias and variance,regularization参数选择,learing curves学习曲线绘制等知识。以下为本人编写的代码和一些个人的见解,如有错误,请留言批评指正,谢谢。原创 2016-03-01 21:27:23 · 2107 阅读 · 1 评论 -
Week7_Support Vector Machines课后习题解答
大家好,今天和大家讨论一下coursera网站上Stanford University的机器学习第7周:Support Vector Machines的课后作业解答。我将给出这些题目和选项的翻译以及个人对题目的见解和看法,这些观点中有些可能是错误的,如有发现,请留言批评指正,谢谢。特此提醒,由于不同学生的题目参数,选项都会不同,请同学们不要照抄,因为我的答案给你可能完全是错误的答案,但是每道题的原理原创 2016-03-07 13:57:20 · 3917 阅读 · 3 评论 -
Programming Exercise 6:Support Vector Machines
大家好,我是Mac Jiang,今天和大家分享一下coursera网站上Stanford University的Machine Learning公开课(吴恩达老师)课程第六次作业:Programming Exercise 6:Support Vector Machines。写这篇博客的目的是为在课程学习中遇到困难的同学提供一些帮助,同时帮助自己巩固这周的课程内容。欢迎博友转载此文章,但希望您在转载原创 2016-03-08 08:59:47 · 4426 阅读 · 2 评论 -
Programming Exercise 6:Support Vector Machines 第二部分
大家好,我是Mac Jiang,今天和大家分享一下coursera网站上Stanford University的Machine Learning公开课(吴恩达老师)课程第六次作业:Programming Exercise 6:Support Vector Machines。写这篇博客的目的是为在课程学习中遇到困难的同学提供一些帮助,同时帮助自己巩固这周的课程内容。欢迎博友转载此文章,但希望您在转载原创 2016-03-08 14:02:59 · 3067 阅读 · 3 评论 -
Week 8:Unsupervised Learning 第一部分课后习题解答
大家好,我是Mac Jiang,今天和大家分享Coursra —Stanford University —Machine Learning第八周Unsupervised Learing 第一部分Clustering的课后习题。提醒:每个同学的课后习题的参数,选型可能都是不一样的,请做题之前看清题目,不要照抄!原创 2016-03-11 15:41:17 · 2177 阅读 · 0 评论 -
Week8:Dimensionality Reduction 课后习题解答(Principal Component Analysis)
大家好,我是Mac Jiang。今天和大家分享Coursera-Stanford University-Machine Learning-Week8:Dimensionality Reduction-Quiz:Principal Component Analysis的课后习题解答。提醒:每个同学课后习题的题目参数和选项都是不同的,在参考时请看清题目,避免错误!1.第一题原创 2016-03-12 21:57:36 · 3571 阅读 · 0 评论 -
Programming Exercise 7:K-means Clustering and Principal Component Analysis 第一部分
大家好,我是Mac Jiang,今天和大家分享Coursera-Stanford University-Machine Learning-Programming Exercise 7:K-means Clustering and Principal Principal Component Analysis的第一部分的编码。第一部分讲的是K-means Clustering,即K均值算法的实现过程,原创 2016-03-13 14:07:51 · 5063 阅读 · 4 评论 -
Programming Exercise 7:K-means Clustering and Principal Component Analysis (第二部分PCA)
大家好,我是Mac Jiang,今天和大家分享Coursera-Stanford University-Machine Learning-Programming Exercise 7:K-means Clustering and Principal Component Analysis的第二部分PCA(主成分分析)的实现过程。第一部分的实现我已经在前面微博中展现,地址为:。第二部分讲的主要是PCA原创 2016-03-13 18:44:50 · 4064 阅读 · 0 评论 -
Week 9:Anomaly Detection课后习题解答
大家好,我是Mac Jiang,今天和大家分享Coursera-Stanford University-Machine Learning-Week 8:Anomaly Detection的课后习题解答。注意:每个同学的习题的参数和选项都是不同的,在参考时不要照抄,避免带来错误!我的分析也不一定是正确的,如果各位博友发现错误,请留言联系,谢谢。希望我的博客能给你带来一些学习上的帮助!1.第一题原创 2016-03-15 15:02:14 · 2261 阅读 · 0 评论 -
Week 9:Recommender Systems课后习题解答
大家好,我是Mac Jiang,今天和大家分享coursera-Stanford University-Machine Learning-Week 9:Recommender Systems的课后习题解答。注意:每个同学的问题的参数和选项都是不同了,请在参考的同时看清选项,避免带来错误。当然,我的分析不一定是正确的,如果博友发现错误,请留言联系,谢谢。希望我的解答能给您带来一些学习上的帮助!1.第一原创 2016-03-16 22:10:46 · 5105 阅读 · 0 评论 -
Programming Exercise 8:Anomaly Detection and Recommender Systems第一部分
大家好,我是Mac Jiang,今天和大家分享Coursera-Stanford University-Machine Learning-Programming Exercise 8:Anomaly Detection and Recommender System的第一部分:Anomaly Detection。第二部分Recommender System的代码我将会在接下来的博客中给出。我的代码虽原创 2016-03-17 14:57:28 · 3250 阅读 · 0 评论