关注
分享
详细记录观看《林轩田·机器学习基石》视频过程中遇到的问题以及解决办法。并包括方法总结，代码注释，工具介绍和心得体会等。
DataScience
每天一点点，在AI领域不断深入
展开
-
林轩田机器学习基石 - 学习笔记4 - 机器学习的可行性
上节课，我们主要介绍了根据不同的设定，机器学习可以分为不同的类型。其中，监督式学习中的二元分类和回归分析是最常见的也是最重要的机器学习问题。本节课，我们将介绍机器学习的可行性，讨论问题是否可以使用机器学习来解决。一、Learning is Impossible首先，考虑这样一个例子，如下图所示，有3个label为-1的九宫格和3个label为+1的九宫格。根据这6个样本，提取相应label下的...转载 2019-01-27 22:42:23 · 185 阅读 · 0 评论 -
林轩田机器学习基石 - 练习1 - PLA算法 & Pocket PLA算法
文章目录详细代码文件加载PLA算法 和 Pocket PLA算法调用实例 todo本文主要是针对 练习1 的注释详细代码文件加载import numpy as npdef loadfile(file): X = [] # features, shape = (samples, features) Y = [] # labels, shape = (sample,) ...原创 2019-01-23 20:36:58 · 621 阅读 · 0 评论 -
林轩田机器学习基石课程笔记3 - 机器学习类型
上节课我们主要介绍了解决线性分类问题的一个简单的方法：PLA。PLA能够在平面中选择一条直线将样本数据完全正确分类。而对于线性不可分的情况，可以使用Pocket Algorithm来处理。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。一、Learning with Different Output Space Y我们在上节课引入的银行根据用户个人情况判断是否给他发信用卡的例子，这是一个典...转载 2019-01-12 16:31:21 · 134 阅读 · 0 评论 -
林轩田机器学习基石课程笔记2 - 学习回答Yes/No
上节课，我们主要简述了机器学习的定义及其重要性，并用流程图的形式介绍了机器学习的整个过程：根据模型H，使用演算法A，在训练样本D上进行训练，得到最好的h，其对应的g就是我们最后需要的机器学习的模型函数，一般g接近于目标函数f。本节课将继续深入探讨机器学习问题，介绍感知机Perceptron模型，并推导课程的第一个机器学习算法：Perceptron Learning Algorithm（PLA）。...转载 2019-01-12 16:28:01 · 204 阅读 · 0 评论 -
林轩田机器学习基石课程笔记1 -The Learing Problem
最近在看NTU林轩田的《机器学习基石》课程，个人感觉讲的非常好。整个基石课程分成四个部分：When Can Machine Learn?Why Can Machine Learn?How Can Machine Learn?How Can Machine Learn Better?每个部分由四节课组成，总共有16节课。那么，从这篇开始，我们将连续对这门课做课程笔记，共...转载 2019-01-08 20:51:41 · 312 阅读 · 0 评论 -
机器学习基石作业 PLA算法 & Pocket PLA算法
作业1：PLA算法首先，我们使用人工数据集来研究PLA。数据集在 https://www.csie.ntu.edu.tw /~htlin/course/ml15fall/hw1/hw1_15_train.dat数据集的每一行包含一个（x n，y n），其中xn∈R4。该行的前4个数字包含x n有序的分量，最后一个数字是y n。请使用w = 0初始化算法，并将sign（0）设为-1。...原创 2019-01-06 16:42:38 · 1162 阅读 · 0 评论