machine learning
烊萌
欲戴王冠,必承其重;欲登高峰,必忍其痛;欲有大成,必有其梦。
展开
-
Machine Learning(机械学习)
前言 动手写这个是为了记录下自己在学习machine lerning的整个过程,为了更好的回顾和志同道合者一起讨论学习进步。我是一边跟着在coursera上观看machine learning课程,一边学习并记录。这个基本上是每学完一章内容,就会更新一次,记录这章的知识,和一些个人的理解。大家如果初学machine learning,也可以看下coursera上的课程(关于那个在co...原创 2018-10-18 15:30:05 · 1229 阅读 · 0 评论 -
Application example:Photo OCR(应用的举例:照片的光学字符识别)
前言 在前面,我们给大家介绍了很多的机器学习算法,有关于监督学习的线性回归、逻辑回归、神经网络、支持向量机SVM,还有关于无监督学习的聚类问题(K-means)、降维(PCA)、异常检测。在这一章将给大家介绍一个关于机器学习的应用例子,Photo OCR(Optical Character Recognition),这也是这个课程的最后一章内容,希望大家在学完整个课程后能多把这些用到实...原创 2018-12-07 14:44:52 · 467 阅读 · 0 评论 -
Recommender Systems(推荐系统)
前言 这一章内容还是紧接着上一章内容,在上一章我给大家介绍了异常检测系统,在这一章将给大家介绍另一个在生活中常会涉及到的推荐系统。例如当你在用淘宝购物时,有没有发现每次首页推荐的商品都是和你前几次搜索过的商品相关,这就是推荐系统根据你每次搜索的爱好,然后相应地推荐你可能喜欢的商品。在这一章,我将详细地给大家介绍这类学习系统是怎样实现的。 最后,如果有理解不对的地方,希望大家...原创 2018-11-30 14:53:39 · 3563 阅读 · 0 评论 -
Anomaly detection(异常检测)
前言 这一章内容还是紧接着上一章内容,在前面我们给大家介绍了一些无监督学习的问题,Clustering(聚类)和Dimensionality Reduction(降维)问题,在这一章将给大家介绍另一个关于无监督学习的问题Anomaly detection(异常检测)问题。 最后,如果有理解不对的地方,希望大家不吝赐教,谢谢!【机器学习系列】【第十二章:降维】【第...原创 2018-11-29 11:07:02 · 728 阅读 · 0 评论 -
Machine learning system design(机器学习系统的设计)
前言 这一章内容还是紧接上一章内容的,在上一章我们给大家介绍了当我们在构建了一个学习模型后,我们发现用这个模型去预测新的数据时,有很大的偏差,我们该如何进行改进。也跟大家介绍了出现问题的类型包括高偏差和高方差,和如何用learning curve去判断这个改进方法是否有效等等,在这一章我将给大家介绍在构建一个学习系统前该做些什么工作。 最后,如果有理解不对的地方,希望...原创 2018-11-18 16:16:59 · 780 阅读 · 0 评论 -
Dimensionality Reduction(降维)
前言 在前面,我们给大家介绍了一种无监督学习的算法K-means,是来解决聚类问题的,在这一章我将给大家介绍另一种无监督学习算法,是用来解决降维问题的,叫做Principal Component Analysis(主成分分析法)。 最后,如果有地方理解不对的,希望大家不吝赐教,谢谢!【机器学习系列】【第十一章:聚类】【第十三章:异常检测】第十二章 Dimens...原创 2018-11-21 21:16:51 · 392 阅读 · 0 评论 -
Clustering(聚类)
前言 在前面我们给大家介绍的机器学习算法都是针对监督学习的,在这一章我们将给大家介绍无监督学习算法,首先我们给大家介绍的就是来解决聚类问题的K均值算法。关于K均值算法只是其中一种无监督学习算法,在后面的学习中,我还会给大家介绍其他的算法。 最后,如果有理解不对的地方,希望大家不吝赐教,谢谢!【机器学习系列】【第十章:支持向量机】【第十二章:降维】第十一章 Cl...原创 2018-11-21 13:10:48 · 883 阅读 · 0 评论 -
Advice for applying machine learning(对于应用机器学习的建议)
前言 这一章内容还是紧接上一章内容,在前面给大家介绍了线性回归,逻辑回归还有神经网络算法。在实际中,很多研究人员在解决一个问题时,选用了其中的一种算法,然而在经过了大量的计算后,结果可能不是预想的结果,这个时候,大家可能想着是研究的数据不够,就又会去大量地统计数据,比如预测房子价格问题,可能会去采访大量的户主来获取更多的信息,这个就需要花上好几个月的时间,而且最终可能并没有起什么作...原创 2018-11-16 16:00:50 · 317 阅读 · 0 评论 -
Support Vector Machines(支持向量机)
前言 这一章内容还是紧接着上一章的内容,在前面我们给大家介绍了线性回归,逻辑回归,神经网络算法,也对在设计学习系统之前该做什么准备和发现问题后该如何改进都做了详细的分析,在这一章将又给大家介绍一个新的算法,Support Vector Machines(支持向量机) ,我们也常简称为SVM,为什么要给大家介绍这个,首先这个算法在目前实际问题中运用很广泛,特别是在对复杂的非线性问题...原创 2018-11-20 17:07:01 · 1805 阅读 · 0 评论 -
Neural Networks Learning(神经网络学习)
前言 这一章还是紧接上一章的内容,在上一章我们介绍了为什么需要用神经网络,神经网络的模型是怎样构造的,还有神经网络在生活中的应用,在这一章,我会详细地给大家介绍神经网络的学习,它是如何通过Forward propagation(正向传播)和Backpropagation(反向传播)结合来更好地进行学习的。 最后,如果有的地方理解不对,请大家不吝赐教,谢谢!【...原创 2018-11-14 20:59:49 · 621 阅读 · 0 评论 -
Neural Networks(神经网络)
前言 这一章内容还是紧接着上一章的内容,在前面,给大家介绍了Linear Regression(线性回归)问题和Logistic Regression(逻辑回归)问题。在这一章将给大家介绍另一种机器学习方法Neural Networks(神经网络),既然已经有了这两种机器学习方法,为什么还需要Neural Networks这种方法了?下面将给大家进行详细地讨论。 最后,...原创 2018-11-09 10:47:41 · 4339 阅读 · 0 评论 -
Regularization(正则化)
前言 这一章还是紧接着上一章的,在上一章我们讨论了logistic regrsssion(逻辑回归),在更早我们还讨论了linear regression(线性回归),对于这两种问题,我们在进行用函数去预测结果时,我们根据已知的数据集去推测一个函数关系,然后去模拟输入和输出的关系。那么问题就来了,什么样的函数关系更能准确表示两者之间的关系呢?对于linear regression问...原创 2018-11-01 11:25:01 · 4116 阅读 · 0 评论 -
Logistic Regression(逻辑回归)
前言 这一章还是紧接着上一章的内容,从这一章开始,给大家介绍回归问题的另一个问题,classification(分类)问题,即我们在第一章就跟大家介绍过,这个结果是离散的。下面会跟大家进行详细的分析! 最后,如果内容有什么错误的理解,希望大家不吝赐教,指正,谢谢!【机器学习系列】【第三章:多元变量的线性回归问题】【第五章:正则化】第四章 Logistic Reg...原创 2018-10-31 14:39:29 · 347 阅读 · 0 评论 -
Linear Regression with multiple variables(多元变量的线性回归问题)
前言 这一章还是紧接上一章的内容,在上一章,我们详细地讨论了关于一个变量的线性回归问题,而在我们的实际问题中,一般都不止一个变量,就比如上一章讨论的预测房价问题,房价不仅只跟房子的大小有关,还跟它有几间房间,几层楼等等有关,所以我们需要涉及到的是多元变量的问题,在这一章,我讲详细地给大家介绍多元变量地线性回归问题。 最后还是那句话,如果内容有什么错误的理解,希望大家不吝赐教,指正,...原创 2018-10-26 15:07:09 · 676 阅读 · 0 评论 -
Model and Cost Function(模型和代价函数)
前言 这一章内容是接着上一章内容写的,对关于supervised learning的regression问题进行详细分析,这章内容会有很多图表和数学公式,由于绘图和描述数学公式都不是很容易,所以可能排版没那么规范,请见谅! 最后还是那句话,如果内容有什么错误的理解,希望大家不吝赐教,指正,谢谢!【机器学习系列】【第一章:机器学习】【第三章:多元变量的线性回归问题】第...原创 2018-10-19 17:08:23 · 629 阅读 · 0 评论 -
Large scale machine learning(大规模机器学习)
前言 这一章内容还是紧接着上一章的内容,在前面我们给大家介绍了很大的机器学习方法,如线性回归,逻辑回归,神经网络等,在这一章将给大家介绍下,当我们拥有大量的数据时,该如何运用这些算法,或者说该如何改进,使算法运行更快。 最后,如果有理解不对的地方,希望大家不吝赐教,谢谢!【机器学习系列】【第十四章:推荐系统】【第十六章:应用的举例:照片的光学字符识别】第十五章 L...原创 2018-12-01 19:13:48 · 417 阅读 · 0 评论