斯坦福-机器学习
文章平均质量分 92
小松悦读会 | kevinelstri
小松悦读会,用心阅读,执着专注!
展开
-
【斯坦福大学-吴恩达-机器学习】
Author:kevinelstri DateTime:2017/3/14 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程,主题包括: 1、监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 2、无监督学习(聚类,降维,推荐系统,深入学习推荐)。 3、在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。 本原创 2017-03-14 15:29:40 · 1832 阅读 · 0 评论 -
【斯坦福大学-机器学习】3.线性代数
【斯坦福大学-机器学习】3.线性代数Author:kevinelstri DateTime:2017/3/203.1 矩阵和向量矩阵:矩阵的维数:行数×\times列数AijA_{ij}:第i行,第j列的元素 向量:向量是一种特殊的矩阵 3.2 加法和标量乘法矩阵的加法:行列数相等的才可以进行加法运算 矩阵的标量乘法:每个元素都要乘 3.3 矩阵向量乘法矩阵与向量的乘原创 2017-03-20 10:51:41 · 1098 阅读 · 0 评论 -
【斯坦福大学-机器学习】4.多变量线性回归
【斯坦福大学-机器学习】4.多变量线性回归Author:kevinelstri DateTime:2017/3/224.1 多维特征目前为止,所讨论的都是单变量/特征的回归模型,也就是在对房价模型进行预测的过程中,只存在一个特征:面积 下面,将构建一个含有多个变量的模型,来进行多特征回归分析,模型的特征为(x1,x2,...,xn)(x_1,x_2,...,x_n) nn代表特征的数量 x(原创 2017-03-27 21:24:58 · 581 阅读 · 0 评论 -
【斯坦福大学-机器学习】5.Octave教程
5.1 基本操作>> a='hello world!';>> aa = hello world!基本运算:>> 5+6ans = 11>> 3-2ans = 1>> 5*8ans = 40>> 1/2ans = 0.50000>> 2^6ans = 64>> 1==2ans = 0>> 1~=2ans = 1>> 1||0 % orans = 1>> 1原创 2017-03-27 22:27:36 · 892 阅读 · 0 评论 -
【斯坦福大学-机器学习】1.引言
Author:kevinelstri DateTime:2017/3/141、机器学习是什么? Arthur Samuel (1959). Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed. Arthur原创 2017-03-14 14:07:36 · 720 阅读 · 0 评论 -
【斯坦福大学-机器学习】2.单变量线性回归(一)
Author:kevinelstri DateTime:2017/3/151、模型选择(线性回归算法)案例: 预测住房价格 说明: 这就是一个回归问题,通过对住房价格数据集进行拟合成一条直线,来对一定大小的房屋进行价格预测,当房子的大小为1250平方尺时,房屋的价格大约是220,000美元,这就是一个监督学习算法。方法: 在监督学习中,这个数据集称为训练集原创 2017-03-15 13:46:40 · 604 阅读 · 0 评论 -
【斯坦福大学-机器学习】2.单变量线性回归(二)
【斯坦福大学-机器学习】2.单变量线性回归(二)Author:kevinelstri DateTime:2017/3/155、梯度下降 梯度下降是一个用来求函数最小值的算法,下面将使用梯度下降算法来求出代价函数 J(θ0\theta_0,θ1\theta_1) 最小值。 梯度下降背后的思想是:开始时我们随机选择一个参数的组合(θ0\theta_0,θ1\theta_1,⋯原创 2017-03-16 14:47:37 · 859 阅读 · 0 评论