Mac Jiang的博客

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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。

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！

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！

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。

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

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。

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

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

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

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！

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

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，

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

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

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

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