拼搭小怪-CSDN博客

原创 UFLDL：深度学习课程总结

UFLDL 是斯坦福大学 CS294A课程的教学 wiki。课程设置很科学，循序渐进，每次课程都是在上次的基础上增添一些东西，还有作业可以让你直观地感受所学内容。虽然没有涉及 RNN （循环神经网络），但作为 CNN（卷积神经网络）的基础课程还是很不错的。如果你对监督学习、逻辑回归、梯度下降等基础概念并不熟悉，可以先学习之前的课程。关于课程作业的 Python 代码已经放到了 Gith...

2019-05-11 10:40:30 848

双十一之前正好在学习 NG 的深度学习入门课程。在使用 Python 完成作业中训练 MNIST 的自编码器的时候，发觉训练时间比之前课程中的训练时间长了不少。照这个情况，未来如果要更深入地学习深度学习的话，可能需要更为合适的主机。所以为了以更正确的姿势入坑深度学习（其实是为了攒机），打算在双十一组装一台。笔者之前有一次组装电脑的经历，不过对当时的配置几乎没什么印象，只记得最后 CPU 粘在...

2018-12-21 22:21:56 2652 3

原创 UFLDL：稀疏自编码器

吴恩达的 CS294A 是一门很好的深度学习入门课程，打算接下来的学习以这个课程的内容为主。UFLDL Tutorial 是 CS294A 课程的 wiki 页，包含了课程讲义和作业。如果你对监督学习、逻辑回归、梯度下降等基础概念并不熟悉，可以先学习之前的课程。关于课程作业的 Python 代码已经放到了 Github 上，点击课程代码就能去 Github 查看（无法访问 Githu...

2018-10-24 21:34:16 620

原创 Box2D 学习：平衡车

Box2D 是暴雪公司大牛 Erin Catto 开发的开源物理引擎。有很多著名游戏使用了它，比如愤怒的小鸟、地狱边境、Tiny Wings 等。而 Unity、Cocos2d 等游戏引擎更是把它集成在其中。为什么想起来学习 Box2D 呢？因为想在虚拟的物理世界中创建一些智能 Agent。虽然在之前的 The Nature of Code 中学习了一些基础的力、运动的实现，但没有涉及碰撞、连接...

2018-10-24 21:28:30 584

原创吴恩达机器学习：异常检测与协同过滤

这是吴恩达机器学习的最后一课，这次学习的内容是机器学习的常见应用，异常检测与协同过滤。课程中介绍的异常检测主要基于正态分布，用于检测出偏离正常值的数据。而协同过滤是推荐系统的一部分，利用已有用户的评分来给你推荐商品、视频等。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 Python 代码已经放到了 Github 上，点击课程代码就能去 Github 查看（无法访...

2018-07-11 21:45:57 911

原创吴恩达机器学习：无监督学习 | k-means 与 PCA

西部世界第二季刚好放到第七集，课程总结也刚好是第七次。我们关于监督学习的课程已经告一段落，这次 Ng 将给我们介绍两个很常用的无监督学习算法。一个是用来将数据划分到不同类别的 k-means 算法，一个是用来提取重要特征并给特征降维的 PCA 算法。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 Python 代码已经放到了 Github 上，点击课程代码就能...

2018-07-11 21:33:43 1539

原创吴恩达机器学习：支持向量机

这次的课程笔记和上次隔了好久，因为为了搞懂 SVM 花了不少时间。和之前神经网络课程一样，Ng 在 Coursera 上讲述的内容非常有限，要搞懂 SVM 你只能寻求于其他方面的资料。经过对网上一些内容的对比后发现斯坦福的 CS229 讲义写得非常清晰。CS229 是 Andrew Ng 在斯坦福大学开设的机器学习课程，Coursera 上的课程可以说是 CS229 的简化版本，而且整个课程的...

2018-05-17 19:18:20 1709 1

原创玩转 TensorFlow Playground

很久之前就玩过 TensorFlow Playground，但当时对神经网络只有一个简单的概念，不明白各种参数的意义，把它们胡乱点了一遍，并且尝试多次也没能把螺旋形状的数据集分类成功。现在Andrew Ng 的课程学习过半（对之前 Ng 课程笔记有兴趣的同学可以访问线性回归、逻辑回归与神经网络），在理解的基础上再玩了下，的确有不同的体会。而且由于 TensorFlow Playgro...

2018-04-27 12:18:13 9053 3

原创吴恩达机器学习：方差与偏差

在前几周的课程里，我们已经学习了监督学习中的线性回归、逻辑回归、神经网络（点击进入笔记）。回顾课程作业，所有的样本数据都被用来训练模型。验证模型时，也只是将模型的数据结果与正确结果作对比来看正确率。这样的训练方法是否正确？正确率是否能作为评价模型的标准？这周就将学习如何评价我们的模型，以及如何采取正确有效的改进策略。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 ...

2018-04-22 00:25:20 19927 2

原创吴恩达机器学习：神经网络 | 反向传播算法

上一周我们学习了神经网络 | 多分类问题。我们分别使用逻辑回归和神经网络来解决多分类问题，并了解到在特征数非常多的情况下，神经网络是更为有效的方法。这周的课程会给出训练神经网络所使用的代价函数，并使用反向传播算法来计算梯度。笔者会给出反向传播算法中重要的思路和推导，但不会包含所有的计算步骤。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 Python ...

2018-04-16 21:23:57 1924 3

原创吴恩达机器学习：神经网络 | 多分类问题

上一周我们学习了逻辑回归，并使用它解决了简单的 0/1 分类问题。这周我们首先尝试使用逻辑回归来解决多分类问题（手写字符识别）。通过这个问题了解到，当我们需要解决特征量很大的非线性分类问题时（比如计算机视觉问题），我们原本假设高次特征的方法会使得特征数异常庞大，从而引出新的方法神经网络。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 Python 代码已经放...

2018-04-16 21:20:03 4327

原创吴恩达机器学习：逻辑回归

在上一周的课程里，Andrew Ng 为我们介绍了什么是机器学习以及监督学习中的线性回归。对于一个监督学习，我们要确定我们的预测函数，代价函数，然后利用梯度下降算法找到代价函数最小时，预测函数中的参数值。这周我们会接触监督学习中一类新的问题，称为分类问题。点击课程视频你就能不间断地学习 Ng 的课程，关于课程作业的 Python 代码已经放到了 Github 上，点击课程...

2018-04-16 21:09:59 2130

原创吴恩达机器学习：线性回归

首先说一些关于课程的题外话。对于 Ng 的这个课程，笔者没有选择在 Coursera 上学习课程，一来是因为 Coursera 有自己的课程周期，但这个周期不一定适合所有人。其次 Coursera 的课程作业是使用 Octave 语言，而笔者个人觉得不管是学习还是未来使用 Python 都会是更合适的语言。所以最笔者选择了课程视频 + Python 实现作业的形式。点击课程视频你就能不...

2018-04-16 20:59:43 744

机器学习笔记