- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 bolt-on-differential-privacy-for-scalable-stochastic-gradient-descent-based-analytics文章基本知识点梳理
针对可扩展随机梯度下降分析附加的差分隐私摘要虽然可扩展随机梯度下降（SGD）和私人SGD的分析系统已经分别取得重大进展，但主要的可扩展分析框架都没有合并不同的私人SGD。 研究与实践之间的这种脱节存在两个相互关联的问题：（1）由于增加了噪音以保证隐私，所以模型精度较低;（2）私有算法的开发和运行时的开销高。本文采取第一步来纠正这种脱节，并提出了一种私有SGD算法来综合解决这两个问题。与之前工作采...
2018-06-11 14:30:46
523
2
原创 肌电信号代码
%GMM for glove% clc;% clear;%--------------load data---------------------load glove_grasp_6_13_20_100points.matOdata = glove_grasp_6_13_20;[subjectnum, motionnum, repnum] = size(Odata)
2018-01-09 18:21:23
3423
原创 Andrew Ng机器学习笔记week10 大规模机器学习
1.大型的数据集合 2.随机梯度下降（Stochastic gradient descent） 随机梯度下降算法 3.小批量梯度下降（mini-Batch gradient descent） 三种梯度下降方法对比： 4.随机梯度下降收敛 5.Online learning 6.Map-reduce and data parallelism（减少映射、数据并行）
2017-12-11 19:25:28
239
原创 Andrew Ng机器学习笔记ex8 异常检测和推荐系统
estimateGaussian.mfunction [mu sigma2] = estimateGaussian(X)%ESTIMATEGAUSSIAN This function estimates the parameters of a %Gaussian distribution using the data in X% [mu sigma2] = estimateGaussian
2017-12-11 19:13:40
380
原创 Andrew Ng机器学习笔记week9 异常检测、推荐系统
一、异常检测1.问题举例： 2.高斯分布 3.算法 密度估计 算法过程、举例： 算法评估： 4.异常检测 VS 监督学习 5.选择使用的特征 6.多变量高斯分布 使用多变量高斯分布的异常检测 二、推荐系统问题： 1.基于内容的推荐 优化目标： 优化算法： 2.Collaborative filtering 优化算法：
2017-12-11 19:09:19
312
原创 Andrew Ng机器学习笔记ex7 K-means聚类和PCA
findClosestCentroids.mfunction idx = findClosestCentroids(X, centroids)%FINDCLOSESTCENTROIDS computes the centroid memberships for every example% idx = FINDCLOSESTCENTROIDS (X, centroids) returns t
2017-12-11 18:14:01
554
原创 Andrew Ng机器学习笔记week8 无监督学习（聚类、PCA）
一、k均值聚类算法1.K-‐means算法算法实现过程： 随机初始化K个聚类中心 几个类不是分离的，算法怎么做？举例，衣服大小怎么分： 2.K均值聚类算法的优化目标3.随机初始化局部最优的问题： 4.选择聚类的个数 选择一个临界点： 比如衣服尺寸的分类： 二、维度下降目的： ①数据压缩 ②数据的可视化（对数据的分析更加直观） 主成分分析（Princi
2017-12-11 17:52:10
231
原创 Andrew Ng机器学习笔记ex6 支持向量机SVM
gaussianKernel.mfunction sim = gaussianKernel(x1, x2, sigma)%RBFKERNEL returns a radial basis function kernel between x1 and x2% sim = gaussianKernel(x1, x2) returns a gaussian kernel between x1 an
2017-12-11 17:39:39
1085
原创 Andrew Ng机器学习笔记ex5 正则化的逻辑回归、偏差和方差
linearRegCostFunction.mfunction [J, grad] = linearRegCostFunction(X, y, theta, lambda)%LINEARREGCOSTFUNCTION Compute cost and gradient for regularized linear %regression with multiple variables% [
2017-12-11 17:32:41
370
原创 Andrew Ng机器学习笔记week7 支持向量机SVM
1.Alternative view of logistic regression 逻辑回归： SVM： 2.Large Margin Intuition 决策边缘： 可线性分离的情况： 存在异常值的情况： 3.kernel –核非线性决策边缘： 核： 举例： 选择标志点： SVM with Kernels： SVM参数： 4.使用SVM
2017-12-11 17:26:01
373
原创 Andrew Ng机器学习笔记ex4 神经网络学习
nnCostFunction.mfunction [J grad] = nnCostFunction(nn_params, ... input_layer_size, ... hidden_layer_size, ...
2017-11-30 17:31:09
1355
原创 Andrew Ng机器学习笔记week6 机器学习的应用与设计
机器学习应用中的建议1、如何debug一个学习算法2、如何评估一个假设h(x) 3、模型的选择、训练集、检验集、测试集 将数据集合分为三部分，训练集占60%，检验集（Class Validation）占20%，最后测试集占20%4、bias VS variance 5、正则化和偏差（bias）、方差（variance） 6、神经网络的过拟合7、学习曲线 机器学习系统设计垃圾分类
2017-11-30 16:55:09
322
原创 Andrew Ng机器学习笔记ex3 神经网络
1、向量化正则化的逻辑回归 lrCostFunction.mfunction [J, grad] = lrCostFunction(theta, X, y, lambda)%LRCOSTFUNCTION Compute cost and gradient for logistic regression with%逻辑回归实现手写数字识别：lrCostFunction.m和oneVsAll.m和
2017-11-30 16:37:59
394
原创 Andrew Ng机器学习笔记week4、5 神经网络
神经网络的表达一、Non-linear hypotheses n很大很大，很多很多个特征。二、神经元模型 这里又用到了之前提到过的sigmoid函数，作为activation function三、Forward propagation: Vectorized implementation前向传播：向量化的实现 一个简单的神经网络的例子 四、多分类 这是一个又多个输出单元的神经网络，得到
2017-11-30 16:20:11
249
原创 Andrew Ng机器学习笔记ex2 逻辑回归
sigmoid函数 sigmoid.mfunction g = sigmoid(z)%SIGMOID Compute sigmoid function% g = SIGMOID(z) computes the sigmoid of z.% You need to return the following variables correctly g = zeros(size(z));%
2017-11-30 15:18:02
502
原创 Andrew Ng机器学习笔记week3 逻辑回归
Logistic regression一、逻辑回归与分类 ①分类：y=0或1; h(x)≥阈值时，预测y=1; 反之，h(x)<阈值时，预测y=0. h(x)可以大于1，也可以小于0. ②逻辑回归：0≤h(x)≤1Hypothesis Representation 这里引入一个sigmoid函数来表示h(x)二、Decision boundary（决策边界） 三、Cost functi
2017-11-30 11:34:53
277
原创 Andrew Ng机器学习笔记ex1 线性回归
代价函数计算 computeCost.mfunction J = computeCost(X, y, theta)%COMPUTECOST Compute cost for linear regression% J = COMPUTECOST(X, y, theta) computes the cost of using theta as the% parameter for lin
2017-11-30 10:30:17
652
原创 Andrew Ng机器学习笔记week2 多变量线性回归
第二周主要是多特征的线性回归知识点：一、multiple features(variables)-多变量 预测值： 二、Gradient descent for multiple variables 1、Feature Scaling 需要把各个特征取值转化到统一范围内，比如一个特征取值范围0~100000，另一个特征取值范围0~10，那就没有可比性了。 2、L
2017-11-30 10:13:45
255
原创 Andrew Ng机器学习笔记week1 线性回归
Andrew Ng机器学习笔记week1第一周主要是对机器学习进行简单的介绍和线性回归的知识点：一、Introductionmachine learning的举例 machine learning定义和例题 machine learning分类 - Supervised learning right answer given，有标记的 1.regression：c
2017-10-18 09:32:23
357
Bolt-on Differential Privacy for Scalable SGD-based Analytics
2018-06-11
Modeling Color Difference for Visualization Design 论文解读
2017-11-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人