Ng的机器学习
v_HELEN_v
.....
展开
-
机器学习第4周:Neural Network概述
Neural Network今天,学习了NG机器学习中的神经网络算法,以下是我个人总结,欢迎大家指出问题。 为什么我们需要神经网络:举个例子:给出一些图片,让我们用计算机识别它是否是一辆汽车,假设它是50*50像素的图片(我想这是比较小的,很多图片都要大于这个规模)。 每个像素点,我们可以看成是一个特征值,那么就一共有2500个特征值了(这只是使用灰度图片的情况,数值代表像素点的亮度,如原创 2016-10-18 22:36:34 · 678 阅读 · 0 评论 -
第六周:Advice for Applying Machine Learning
这部分内容主要讲的是,在应用机器学习算法之后,如果我们发现训练集误差,交叉验证集或者测试集误差比较大的时候,算法在哪出现了问题?我们应该采取哪些措施?我们先举2个例子 当我们的训练集已经比较大,然而验证误差和训练误差依然很大,而且二者相近,这个时候,我们说这种情况是高偏差的。 当我们的训练误差很小,而交叉验证集误差很大,但随着训练集变大,2者差距不断变小的时候,我们说这种情况是高方差的。首先原创 2016-11-10 13:42:51 · 695 阅读 · 0 评论 -
第六周:Machine learning system design
做项目的推荐方法 迅速地用一个简单的算法来实现这个项目,不必特别精细,并在交叉验证集上测试。 画出学习曲线,判断是否需要更多的数据,或者更多的特征值还是多项式等等。 之后就是误差分析了,需要我们人工地去检查那些犯错的样例,发现这些样例有哪些共同的性质。 评估算法好坏我们以癌症患者分类器为例,比如说癌症患者在训练集的比例是0.5%,那如果我的机器学习算法说,所有的人都不是癌症患者,那么我的算法冒无疑问原创 2016-11-10 20:49:26 · 545 阅读 · 0 评论 -
主成分分析 (PCA)
主成分分析(Principal components analysis)-最大方差解释 在这一篇之前的内容是《Factor Analysis》,由于非常理论,打算学完整个课程后再写。在写这篇之前,我阅读了PCA、SVD和LDA。这几个模型相近,却都有自己的特点。本篇打算先介绍PCA,至于他们之间的关系,只能是边学边体会了。PCA以前也叫做Principal factor analysis。1.转载 2016-11-16 15:49:28 · 411 阅读 · 0 评论