笔记
文章平均质量分 88
robocoder
happy ending is mine
展开
-
龙星计划-机器学习 notes-Lecture1-机器学习简介及线性代数、概率论、统计学知识回顾
课程主页 机器学习的定义运用某种算法通过大量的数据进而使计算机进行衍化进化。机器学习的应用 计算机视觉 语音识别 NLP 搜索引擎 推荐系统 机器人:无人驾驶(感知 控制) 问答 机器学习的分类 监督学习 (分类 回归 排序 结构化预测) 无监督学习 (密度估计 异常检测) 建议 能用简单方法解决的就用简单方法解决,只有非用不可,并且可以带来显著提升的时候才用 机器学习三要素数据 模型 算法 (原创 2016-11-03 17:24:07 · 458 阅读 · 0 评论 -
机器学习基石notes-Lecture1 The Learning Problem
课程主页,教材主页Learning From Data 课程介绍机器学习包括了理论与实践两部分,该课程从基础出发,从而掌握机器学习这个工具。总体分为when why how better四个部分。什么是机器学习学习:从观察通过学习转化为技巧机器学习:通过对数据的处理转化为技巧技巧:可以提高某方面的表现为什么使用机器学习某些问题很难通过直接的编程解决,而通过进行很多的学习可以更好地解决一些应用场景 没原创 2016-11-03 17:41:13 · 322 阅读 · 0 评论 -
CS229-Machine Learning notes Lecture1 机器学习的动机与应用
机器学习的作用是有些问题是无法直接写出程序来解决的,学习型算法无处不在。 需要掌握的知识 基础计算机知识技能。 基本的概率统计知识(随机变量、期望、方差。。。) 线性代数(矩阵、向量、逆矩阵、特征向量、特征值。。。) 机器学习定义任务 性能测量方法 经验四个主题 监督学习(回归问题、分类问题) 学习理论(理解学习型算法为什么是高效的) 无监督学习(聚类问题) 强化学习(回报函数,可应用于机器人控制)原创 2016-11-03 17:21:34 · 334 阅读 · 0 评论 -
机器学习基石notes-Lecture2 Learning to Answer Yes/No
感知机模型对于一组特征向量 X=(X1,X2,⋯,Xd)X = (X_1,X_2,\cdots,X_d),y:+1,−1{\cal y}:{+1,-1},将特征向量与权值向量做内积,其计算结果与阀值作比较进而输出结果h∈H{\mit h} \in {\cal H} h(X)=sign((∑i=1dWiXi)−threshold)=sign⎛⎝⎜(∑i=1dWiXi)+(−threshold)原创 2016-11-03 17:43:06 · 532 阅读 · 0 评论