斯坦福大学《Machine Learning》学习笔记
文章平均质量分 80
小T是我
只想在一条道上越走越远~
展开
-
斯坦福大学《Machine Learning》第11周学习笔记
Application Example: Photo OCRPhoto OCRProblem Description and Pipeline问题描述和流水线机器学习的应用实例:照片OCR技术第一 一个复杂的机器学习系统 是如何被组合起来的 第二 机器学习流水线(machine learning pipeline)的有关概念 以及在决定下一步做什么时 如何分配资源 最后...原创 2018-07-08 22:40:22 · 694 阅读 · 1 评论 -
斯坦福大学《Machine Learning》第2周学习笔记
Linear Regression with Multiple Variables 多变量线性回归Multivariate Linear Regression多元线性回归Multiple Features多元特征值之前说到房价问题,只有一个输入x为房屋面积,是个标量,对应一个输出y,那么对于有多个特征值的多元线性回归问题,假设函数应该是那么容易推出我们的假设函数就是hθ(x) ...原创 2018-06-13 21:22:10 · 598 阅读 · 1 评论 -
斯坦福大学《Machine Learning》第3周学习笔记
Logistic Regression逻辑回归逻辑回归是一种将数据分类为离散结果的方法。 例如,我们可以使用逻辑回归将电子邮件分类为垃圾邮件或非垃圾邮件。 在这个模块中,我们介绍分类的概念,逻辑回归的代价函数,以及逻辑回归在多类分类中的应用。我们将介绍正则化,这有助于防止模型过度拟合训练数据。Classification and Representation分类与表示Classif...原创 2018-06-15 20:39:21 · 815 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第4周学习笔记
Neural Networks: Representation神经网络:表示Motivations激励Non-linear Hypotheses非线性假设下面举几个例子阐述神经网络算法的目的 这几个问题的解决 都依赖于研究复杂的非线性分类器 考虑这个监督学习分类的问题 我们已经有了对应的训练集 如果利用逻辑回归算法 来解决这个问题 首先需要构造 一个包含很多非线性项的 逻辑...原创 2018-06-17 17:00:47 · 686 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第5周学习笔记
Neural Networks: Learning神经网络:学习Cost Function and Backpropagation代价函数和反向传播Cost Function代价函数假设我们有一个如左边所示的 神经网络结构 我用大写字母 L 来表示 这个神经网络结构的总层数 这里 L等于4 用 sl表示 第L层的单元的数量 也就是神经元的数量 这其中不包括L层的偏差单元 这里s1 ...原创 2018-06-20 16:17:47 · 825 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第6周学习笔记
Advice for Applying Machine Learning应用机器学习的建议Evaluating a Learning Algorithm评估学习算法Deciding What to Try Next 决定接下来要做什么假如你在开发 一个机器学习系统 或者想试着改进 一个机器学习系统的性能 你应如何决定? 使用 预测房价的学习例子 假如你已经完成了正则化线性回归 ...原创 2018-06-22 19:35:42 · 1264 阅读 · 1 评论 -
斯坦福大学《Machine Learning》第7周学习笔记
Support Vector Machines 支持向量机Large Margin Classification大间距分类器Optimization Objective优化目标到目前为止 你已经见过一系列不同的学习算法 在监督学习中 许多学习算法的性能 都非常类似 因此 重要的不是 你该选择使用 学习算法A还是学习算法B 而更重要的是 应用这些算法时 所创建的 大量数据 在应用这些算法...原创 2018-06-30 12:04:42 · 1241 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第8周学习笔记
Unsupervised Learning非监督学习Clustering聚类K-Means Algorithm K均值算法在聚类问题中 我们有未加标签的数据 我们希望有一个算法 能够自动的 把这些数据分成 有紧密关系的子集或是簇 K均值 (K-means) 算法是现在最为广泛使用的聚类方法如图所示 现在我有一些没加标签的数据 而我想将这些数据分成两个簇 现在我执行K均值算法 方...原创 2018-06-30 12:09:13 · 696 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第9周学习笔记
Anomaly Detection异常检测Density Estimation密度估计Problem Motivation问题动机异常检测(Anomaly detection)问题 是机器学习算法 的一个常见应用 这种算法的一个有趣之处在于 它虽然主要用于 非监督学习问题 但从某些角度看 它又类似于一些监督学习问题 什么是异常检测呢? 飞机引擎制造商 生产的飞机引擎 从生产线上...原创 2018-07-07 20:16:39 · 956 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第10周学习笔记
Large Scale Machine Learning大规模机器学习Gradient Descent with Large Datasets具有大数据集的梯度下降Learning With Large Datasets学习大型数据集我们已经知道 得到一个高效的机器学习系统的最好的方式之一是 用一个低偏差的学习算法 然后用很多数据来训练它 但训练大的数据集也有它自己的问题 特别是计...原创 2018-07-08 14:43:44 · 649 阅读 · 0 评论 -
斯坦福大学《Machine Learning》第1周学习笔记
Introduction 简介 What is Machine Learning(什么是机器学习)学习 - 一个程序被认为能从经验E中学习,解决任务T,达到性能度量值P,当且仅当,有了经验E后,经过P评判,程序在处理T时的性能有所提升。西洋棋例子中,经验E就是程序上万次的自我练习的经验;任务T就是下棋;性能度量值P就是它与一些新对手比赛时,赢得比赛的概率。Supervised L...原创 2018-06-13 02:01:16 · 1029 阅读 · 0 评论