Coursera
一笑照夜
一片柳叶吹成雪
展开
-
【Coursera】Machine Learning Linear Regression 第一次编程作业
一、概述 作业分两部分,第一部分必做,第二部分选做。 简单到爆炸,很容易满分,就是有几个小细节要注意。 首先是submit错误问题,报错Submission failed: Error using submitWithConfiguration>validateResponse ,这里要配置curl和环境变量,当然win10是已经配置好的,可以略过这一步。 配置好之后修改作业中的...原创 2019-04-10 21:33:25 · 366 阅读 · 0 评论 -
【Coursera】Machine Learning Logistic Regression 第二次编程作业
一、概述 逻辑回归的应用。 作业分两部分,第一部分就是两参数的线性逻辑回归,第二部分是两参数的非线性逻辑回归,需要正则化。 也是很简单,根本不必知道原理,只知道公式也可以满分,没有检测性,不怎么样,差评。 主要有五个函数要写,第一个plot函数还不算分,Predict函数是白送的分; 是否正则化也没大区别,简而言之没有难点。 二、分析 1、线性逻辑回归 需要写四个函数:plot...原创 2019-04-20 20:57:37 · 219 阅读 · 0 评论 -
【Coursera】Machine Learning Multi-class Classification and Neural Networks 第三次编程作业
一、概述 多元线性分类应用及神经网络入门。 作业分为两部分,第一部分是利用OneVsAll来进行多元分类,第二部分是神经网络入门,不需要自己计算权重,只需要预测结果即可。 主要有四个函数。前三个用于多元分类,最后一个是神经网络应用。很简单,就是有几个细节问题,不处理好要费点时间。 二、分析 1、多元分类 多元分类的原理是对于n类,有n个预测函数,对于每组预测特征,带入n个预测函数,...原创 2019-04-24 17:58:36 · 238 阅读 · 0 评论 -
【Coursera】Machine Learning Neural Network Learning 第四次编程作业
一、概述 神经网络的BP算法应用。 作业分为三部分,FP,BP,正则化。 BP算法的思想比较简单,但是实际应用起来还是很难的,想要自己推出所有公式实在需要好好花上一段时间去仔细琢磨。 我是通过看吴恩达的课程加上这篇博客加上西瓜书的对应部分才勉强弄懂整个流程是如何运作的。 当然,要完成本次作业,即是不是很懂整个流程也没有关系。 二、分析 1、Sigmoid Gradient函数 ...原创 2019-04-29 22:06:27 · 528 阅读 · 0 评论 -
【Coursera】Machine Learning Regularized Linear Regression and Bias v.s. Variance 第五次编程作业
一、概述 整个五月份都在忙毕设和答辩问题,因此课程听完,作业也是草草做完,没时间写博客。现在答辩完闲下来,要把之前落下的都补上,同时也要再次巩固一下。托毕设的福,matlab用了差不多半年,越发熟练。 本次作业是有关正则化线性回归,以及偏差和方差问题的,偏差与方差问题用于对学习算法进行诊断。 正则化线性回归就是在之前的线性回归基础上加上一个正则化项,用于防止过拟合。 共有4个函数需要完成:...原创 2019-06-05 23:07:49 · 643 阅读 · 0 评论 -
【Coursera】Machine Learning Support Vector Machines 第六次编程作业
一、概述 使用支持向量机(SVM)建一个邮件垃圾分类器。 作业分为Guassian Kernel、Parameters for dataset3、Email Preprocessing、Email Feature Extraction四部分。 其实就是在线性分类的基础上增加核函数。 二、分析 1、Support Vector Machine 支持向量机看上是很深奥的名次,实际上是很...原创 2019-06-06 18:53:13 · 651 阅读 · 0 评论 -
【Coursera】Machine Learning K-means Clustering and Principal Component Analysis 第七次编程作业
一、概述 K-means聚类算法和主成分分析的应用。 终于从监督学习转向非监督学习了。可惜只讲了聚类分析,然后就去讲PCA了。 本次作业有Find Closet Centroids,Compute Centroid Means,PCA,Project Data,Recover Data五个函数。 二、分析 1、K-means聚类分析 K-means聚类分析的具体步骤如下: ①、选...原创 2019-06-06 21:13:05 · 345 阅读 · 0 评论 -
【Coursera】Machine Learning Anomaly Detection and Recommender Systems 第八次编程作业
一、概述 本次作业分成两部分,异常检测和推荐系统。工作量真的挺大的。 共有六个函数:Estimate Gaussian Parameters、Select Threshold、Collaborative Filtering Cost、Collaborative Filtering Gradient、Regularized Cost、Regularized Gradient。 二、分析 ...原创 2019-06-06 23:08:13 · 421 阅读 · 0 评论