![](https://img-blog.csdnimg.cn/1d176f72332a42ff83f361e925b6de6e.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习--Andrew Ng
文章平均质量分 89
吴恩达老师的机器学习视频,深入浅出,把一些复杂的数学概念讲的易于明白。现如今,在学习过各类数学模型和算法以后,回头再看ng的视频,别有一番更深的理解。恰好时间充裕,便创作此专栏,记录下所学所想。
脱欢
不争岁月,只争朝夕
展开
-
9.异常检测,高斯分布,极大似然估计
异常是相对于其他观测数据而言有明显偏离的,以至于怀疑它与正常点不属于同一个数据分布。异常检测是一种用于识别不符合预期行为的异常模式的技术,又称之为异常值检测。原创 2022-10-27 20:58:39 · 552 阅读 · 0 评论 -
8.主成分分析(PCA),算法思想与流程,思考与建议
主成分分析,又称主分量分析、K-L变换,堪称特征抽取方法中的经典。主成分分析作为一种数学方法和有力的数据分析工具,几乎在所有学科中都有它的身影。原创 2022-10-27 00:39:41 · 1346 阅读 · 0 评论 -
7.聚类分析,相似度度量,模型评估
聚类算法又叫做“无监督分类”,试图将数据集中的样本划分成若干个通常是不相交的子集,称之为“簇cluster”。聚类可以作为一个单独过程,用于寻找数据内部的分布结构,也能够作为其他学习任务的前驱过程。聚类算法涉及到的两个问题:性能度量和距离计算。原创 2022-10-26 20:03:30 · 2721 阅读 · 0 评论 -
6.支持向量机(SVM),推理与思考,Lagrange,核函数
支持向量机(Support Vector Machine)于1995年首先提出,基本模型是的定义在特征空间上的间隔最大的线性分类器,SVM的学习策略就是间隔最大化。它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。原创 2022-10-15 12:19:02 · 599 阅读 · 0 评论 -
5.模型建议,交叉验证,偏差与误差,二分类问题模型评估
本文主要介绍了对于机器学习模型评估的一些方法,测试集、验证集的处理,高偏差与高误差问题,着重分析了二分类问题的评估指标。原创 2022-10-08 23:28:33 · 1564 阅读 · 0 评论 -
4.神经网络基础,损失函数,反向传播
神经网络是一种很古老的算法,它最初产生的目的是制造能模拟大脑的机器。神经网络是计算量有些偏大的算法。然而大概由于近些年计算机的运行速度变快,才足以真正运行起大规模的神经网络。本文对神经网络的基础概念进行介绍。原创 2022-10-07 21:31:24 · 848 阅读 · 1 评论 -
3.逻辑回归,损失函数,以及正则化处理
本文主要介绍了逻辑回归和其能解决的问题。而后引出过拟合现象,并给出一种解决过拟合的方法--正则化。原创 2022-10-02 01:03:05 · 889 阅读 · 0 评论 -
2.线性回归,梯度下降与正规方程
线性回归,其实我们在高中时期就已经学习过——最小二乘法,这也正是本文中提到的正规方程。本文从单变量、多变量两个方面介绍线性回归,并指出模型评估的标准——损失函数,以及如何求出损失函数最小时的解——梯度下降、正规方程。原创 2022-09-30 00:48:50 · 546 阅读 · 0 评论 -
1.监督学习与无监督学习
机器学习,看似遥远深奥,其实在生活中随处可见,本文主要依据数据及特征,对机器学习的监督学习、无监督学习进行简单的介绍。原创 2022-09-29 21:40:52 · 269 阅读 · 0 评论