Machine Learning - Andrew Ng
beihangzxm123
这个作者很懒,什么都没留下…
展开
-
Machine Learning - Andrew Ng on Coursera (Week 1)
转载自:http://1.kaopuer.applinzi.com/?p=110今天分享了Coursera上Andrew Ng的Machine Learning第一周的课程,主要内容有如下,详细内容可以参考文末附件:有监督式学习和无监督式学习线性回归的模型表示及成本函数梯度下降算法线性代数回顾有监督式学习和无监督式学习机器学习可以简单地理解为是从转载 2016-03-28 10:13:35 · 1080 阅读 · 0 评论 -
Stanford机器学习笔记-2.Logistic Regression
Content:2 Logistic Regression. 2.1 Classification. 2.2 Hypothesis representation. 2.2.1 Interpreting hypothesis output. 2.3 Decision boundary. 2.3.1 Non-linear decision bound转载 2016-04-22 16:39:49 · 881 阅读 · 0 评论 -
Stanford机器学习笔记-3.Bayesian statistics and Regularization
3. Bayesian statistics and RegularizationContent 3. Bayesian statistics and Regularization. 3.1 Underfitting and overfitting. 3.2 Bayesian statistics and regularization. 3.3 Opt转载 2016-04-22 16:40:35 · 1766 阅读 · 0 评论 -
Stanford机器学习笔记-4. 神经网络Neural Networks (part one)
4. Neural Networks (part one)Content: 4. Neural Networks (part one) 4.1 Non-linear Classification. 4.2 Neural Model(神经元模型) 4.3 Forward Propagation 4.4 神经网络实现与或非门以及异或门转载 2016-04-22 16:41:43 · 2052 阅读 · 0 评论 -
Stanford机器学习笔记-5.神经网络Neural Networks (part two)
5 Neural Networks (part two)content: 5 Neural Networks (part two) 5.1 cost function 5.2 Back Propagation 5.3 神经网络总结 接上一篇4. Neural Networks (part one).本文将先定义神经网络的代价函数,然后介绍逆向传播转载 2016-04-22 16:42:52 · 1119 阅读 · 0 评论 -
Stanford机器学习笔记-6. 学习模型的评估和选择
6. 学习模型的评估与选择Content 6. 学习模型的评估与选择 6.1 如何调试学习算法 6.2 评估假设函数(Evaluating a hypothesis) 6.3 模型选择与训练/验证/测试集(Model selection and training/validation/test sets) 6.4 偏差与方差 6转载 2016-04-22 16:44:10 · 2651 阅读 · 0 评论 -
Stanford机器学习笔记-7. Machine Learning System Design
7 Machine Learning System DesignContent 7 Machine Learning System Design 7.1 Prioritizing What to Work On 7.2 Error Analysis 7.3 Error Metrics for Skewed Classed 7.3.1 P转载 2016-04-22 16:45:10 · 948 阅读 · 0 评论 -
Stanford机器学习笔记-8. 支持向量机(SVMs)概述
8. Support Vector Machines(SVMs)Content 8. Support Vector Machines(SVMs) 8.1 Optimization Objection 8.2 Large margin intuition 8.3 Mathematics Behind Large Margin Classif转载 2016-04-22 16:45:59 · 1602 阅读 · 0 评论 -
Machine Learning - Andrew Ng on Coursera (Week 6)
本篇文章将分享Coursera上Andrew Ng的Machine Learning第六周的课程,主要内容有如下,详细内容可以参考文末附件:评价机器学习算法Diagnosing bias vs. variance(诊断偏差和方差,模型多项式维度$d$ - $J(theta)$图)Regularization and bias/variance(正则化和偏差/方差,$la转载 2016-03-28 10:17:54 · 2033 阅读 · 0 评论 -
Machine Learning - Andrew Ng on Coursera (Week 5)
本篇文章将分享Coursera上Andrew Ng的Machine Learning第五周的课程,主要内容有如下,详细内容可以参考文末附件:代价函数及后向算法Cost function(代价函数)Backpropagation algorithm(BP算法 or 反向传播算法)后向算法求解神经网络模型Implementation note转载 2016-03-28 10:17:18 · 1726 阅读 · 0 评论 -
Machine Learning - Andrew Ng on Coursera (Week 4)
本篇文章将分享Coursera上Andrew Ng的Machine Learning第四周的课程,主要内容有如下,详细内容可以参考文末附件:动机神经网络应用动机为什么要引入神经网络?在分类问题中,特别是在非凸边界函数的情况下,要将用样本训练分类器,假设公式[Math Processing Error]会写的比较复杂,两个变量的问题可能会涉及到三阶以及上的项,转载 2016-03-28 10:16:31 · 1334 阅读 · 0 评论 -
Machine Learning - Andrew Ng on Coursera (Week 3)
本篇文章将分享Coursera上Andrew Ng的Machine Learning第三周的课程,主要内容有如下,详细内容可以参考文末附件:分类问题及模型表示逻辑回归模型多类别的分类问题解决过拟合问题分类问题及模型表示首先Andrew给出了几个例子来解释什么是分类问题,包括垃圾邮件的识别、在线交易的欺诈判别以及肿瘤是良性还恶性。从线性回归对连续值的预测转为了转载 2016-03-28 10:15:58 · 1457 阅读 · 0 评论 -
Machine Learning - Andrew Ng on Coursera (Week 2)
本篇文章将分享Coursera上Andrew Ng的Machine Learning第二周的课程,主要内容有如下,详细内容可以参考文末附件:设置作业环境多变量线性回归参数的解析算法Octave简介设置作业环境因为本课程涉及到在Octave或者Matlab提交作业,所以这一节讲了在各种不同的系统中如何安装Octave或者Matlab。安装比较简单,就不在此赘述转载 2016-03-28 10:15:06 · 1170 阅读 · 0 评论 -
Stanford机器学习笔记-1.线性回归
转载自:http://www.cnblogs.com/llhthinker/tag/Machine%20Learning/Content:1. Linear Regression 1.1 Linear Regression with one variable 1.1.1 Gradient descent algorithm 1.2 Linear Regression转载 2016-04-22 16:38:00 · 958 阅读 · 0 评论