0 机器学习前言

最新推荐文章于 2024-08-22 22:48:39 发布
最新推荐文章于 2024-08-22 22:48:39 发布
阅读量226 收藏
点赞数 1
分类专栏： 机器学习coursera 文章标签： 机器学习 coursera 前言 Ng
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011069294/article/details/79071325
版权

    机器学习coursera分类下的文章，是在学习Andrew Ng的课程时，整理而成。历时两个月，总共80192字，将抽时间将其整理成博客后，分享给像我一样的小白，共同学习，进步。

    笔记包含了课程11个周的内容，有些句子就是Ng的原话。通过阅读相关笔记，你能够学习到课程几乎所有的内容。博客标题按照课程编排，与课程顺序一致。

    加油！！！

simpleGq
关注
专栏目录
李宏毅2020机器学习资料汇总
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
机器学习（前言）
ysx_dxx的博客
10-11 314
笔者准备转行到人工智能这一块，因为数学知识毕业后就丢了，所以现在忘记了好多，笔者这边准备重新拿起来学起来，而人工智能这一块需要数学的一些知识，所以这边写了一些博客用于记录。 但也有一些缺陷，因为笔者也是刚开始摸索，所以用到哪边的数学知识暂时不清楚（这边有人总结出来，我也不确定是否正确【网友整理所需数学知识总结】），以至于我这边是将高等数学，线性代数，概率统计全部学一遍，如果网友知道哪些需要看哪些...
【漫谈机器学习】-前言
AITBOOK
12-28 537
漫谈机器学习-前言2016年的校招已经过去了，我也找到了比较满意的工作，一想起自己即将走进机器学习研究和应用做的相当出色的公司，感觉自己的压力倍增，很多知识还不熟悉。记得之前看博客上说，写博客是最好的学习方式。自己在学习过程中看了很多不错的博客，如结构之法，算法之道等知名博客，这些博客引导我走进互联网，走进机器学习。因此，今天我也开始记录自己的学习，漫谈机器学习。一切还是要从 y=kx+by=kx+
机器学习入门方法前言
david_hnu的博客
06-17 299
    作为一名机器学习的新手，突然有个大胆的决定，开始写博客。主要目的是当做自己学习算法以及代码之后的总结，督促自己弄清算法条理和其中的数学推理，其次想记录一下自己学习过程中的心路历程。从入门到精通并不容易，光学书本知识或者听课只能让自己会用，从应用到创新的过程需要不断的总结反思，因此我将借助CSDN这个平台来帮助我反思、进步。当然，如果仅此而已的话写在日记本上就好，但我觉得写在这里将会增加和各...
机器学习---编程练习系列 前言
qq_38009970的博客
01-29 151
最近开始接触机器学习，在听《吴恩达机器学习》课程的过程中感觉课程消化有些困难，就准备写一些自己在学习机器学习过程中的笔记。当作消化和整理所学内容，将来复习想看的话也有东西可以回顾。 不仅是课程中的练习，机器学习其他相关的问题或者论文翻译也会写到这一系列里面。当然目前主要目标还是先把课程学完。学习过程中也会对之前写过的文章进行修改和补充。 matlab用习惯了，学习使用的软件是matlab，所以练习...
机器学习序言：A machine learning sampler
CUIEnfang的博客
08-02 1196
*声明：本系列博文均参考英文原版书籍《Machine Learning》(Peter Flach)。 其实机器学习已经深入我们的生活，就比如邮件过滤。早期的垃圾邮件过滤器依赖于手工编码的模式匹配技术，如正则表达式，但是这种技术的弊端日益明显，随着邮件种类、内容的丰富，它很难灵活有效的分类。人们利用机器学习进行垃圾邮件分类，获得了更高的适应性和灵活性。 SpamAssassin就是这样一个应用广
机器学习期末考试
热门推荐
weixin_46294086的博客
06-05 4万+
机器学习期末考试 一、机器学习链接 1、机器学习期末复习试卷_zhouyan2000的博客-CSDN博客_机器学习期末考试} 2、[机器学习笔试题]((4条消息) 机器学习笔试题目_北冥有小鱼-CSDN博客_机器学习题目) 3、机器学习面试题 4、一天1个机器学习知识点（一）_猫猫玩机器学习的博客-CSDN博客 5、山东大学软件学院机器学习（考试）——期末考试回忆版_ALTLI的博客-CSDN博客_机器学习期末 6、机器学习试题_AI_盲的博客-CSDN博客_机器学习试卷 7、机器学习题 【含答案和解析】_
【机器学习】联邦学习技术
最新发布
2301_79181030的博客
08-22 2224
联邦学习是一种分布式机器学习范式，其核心思想是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型。在模型训练过程中，各参与方仅交换模型参数、梯度等中间结果，而本地训练数据则不会离开本地，从而大大降低了数据泄露的风险。自治和联合。自治：各参与方在本地使用自己的数据进行模型训练，得到各自的模型参数。联合：各参与方将本地训练的模型参数上传至中心服务器（或采用去中心化方式），中心服务器进行模型参数的聚合与更新，并将更新后的参数分发回各参与方，进行下一轮迭代。
机器学习-引言.docx
04-15
【机器学习】是人工智能的一个重要分支，它致力于研究如何使计算机在没有明确编程的情况下具备学习能力。Arthur Samuel 和 Tom Mitchell 提供了两种不同的定义，前者强调了学习环境的非确定性，后者则从计算机程序的...
《数据挖掘与机器学习》
01-05
《数据挖掘与机器学习》是一份深入探讨这两个关键领域的学习资料。数据挖掘是现代数据分析的核心技术，它通过从海量数据中发现有价值的信息和知识，帮助企业和研究者做出更明智的决策。而机器学习，作为数据挖掘的一...
机器学习-第1章-引言
02-07
机器学习是计算机科学的一个分支，其核心目标是让计算机程序通过经验积累自动提高性能，实现系统自我改进。这一概念在很多领域都有成功的应用，比如语音识别、自动驾驶、图像分类、棋类游戏等。 机器学习与多个学科...
机器学习引言
weixin_30920597的博客
04-20 108
通过一段对机器学习课程的学习，为方便后续复习和知识点梳理，现将这段时间的学习收获做出总结。主要从线性回归、逻辑回归和人工神经网络三个方面进行归纳，完成基本算法的推导和设计。一. 概述1.1 监督学习Supervised Learning对应每个数据样本，均有相应“正确的”输出值与之对应，根据给出样本进行模型的学习，使得学习到的模型能够对任意给定的输入，其输出均能做到对样本数据的预测。1.2 非监...
4 向量与矩阵（线性代数复习）
simpleGq的专栏
01-15 1万+
4 矩阵和向量（线性代数复习） 4.1 什么是矩阵？什么是向量？     这一小节我们将介绍举证和向量的相关知识。     矩阵是指由数字组成的矩形阵列，并写在方括号中间。我们还需要知道的另一件事情是矩阵的维度应该是矩阵的行数乘以矩阵的列数。例如图中的第一个矩阵是一个4 X 2矩阵，第二个矩阵是2 X 3矩阵，有时候写法会有些不同，例如写成了R4 X 2，如果你看到R4 X 2或者R2
2 监督学习与非监督学习
simpleGq的专栏
01-15 9152
2 机器学习算法 2.1 监督学习     首先给出一个例子来解释什么是监督学习，后面将给出更加正式的定义。假设你想预测房价（无比需要啊。。。。），某个学生从某地收集了数据集，其中一个数据集是这样的。横坐标是房子的面积（平方英尺为单位），纵坐标是房子的价格（单位千美元）。 假设你的朋友有个750平方米的房子，想要知道能够卖多少钱。学习算法怎么可以帮助你呢？一种方法是学习算法可以绘制一
5.3 梯度下降实用技巧（学习速率）
simpleGq的专栏
01-16 5558
5.3 梯度下降中的实用技巧二（学习速率）     这一节，我们将讨论学习速率α，参考下图。第一个公示是梯度下降算法的更新规则，我们将学习两点，一是怎样保证梯度下降运行正确，而是怎么选择学习速率α。     梯度下降算法的任务是为你寻找参数θ，并且希望它能够最小化你的代价函数，在梯度下降算法运行时，我通常会画出代价函数J（θ）的值，如下图所示，x轴表示的是迭代次数，你可能会得到如下图所示的
3.1 代价函数
simpleGq的专栏
01-15 2442
3.1 代价函数（cost function）     代价函数有助于将最可能的线性函数与我们的数据相拟合。在线性回归中，我们有一个这样的数据集，m表示训练集样本数，而我们的假设函数，也就是我们用来进行预测的函数，是图中所示的线性函数形式。     接下来，我们引入一些术语，Ɵ0和Ɵ1，这些Ɵi我们将它称作为模型参数，我们要做的就是如何去选择这两个参数。对于不同的Ɵ0和Ɵ1，我们会得到不同
5.2 梯度下降算法实用技巧（特征缩放）
simpleGq的专栏
01-16 1827
5.2 梯度下降算法中的实用技巧一（特征缩放）     这里我们将会介绍一个称为特征缩放 (feature scaling) 的方法。如果我们有一个问题，这个问题有许多的特征，如果你能确保不同的特征都处在相近的范围，我的意思是不同特征的取值处在相近的范围内，这样梯度下降算法就能更快的收敛，具体的说，如果你有一个具有两个特征的问题，x1是房子的面积大小，取值范围在0-2000平方英尺，x2是卧室的
1 什么是机器学习？
simpleGq的专栏
01-15 1384
机器学习是什么？实际上即使在机器学习的专业人士中，也不存在一个准确的定义，最早的关于机器学习的定义是由Arthur Samuel给出的：     "Field of study that fives computers the ability to learn without being explicitly programmed."，翻译过来为："使计算机在没有被明确编程的情况下，仍然能够
5 多变量线性回归
simpleGq的专栏
01-15 898
5多变量线性回归     这一节我们将介绍一种更加有效的线性回归形式，它适用于多变量、多特征的情况。在我们之前学习过的线性回归中，只有一个单一的特征变量，房子的面积大小，我们希望用这个特征量来预测房子的价格。现在想想一下，我们不止有房子的面积大小，还有卧室的数量、楼层数量、房子的使用年限，这样就给了我们许多信息来预测房子的价格。     前面我们已经介绍过，我们会使用x1，x2，x3，x4分别
机器学习与模式识别新视角
"《模式识别与机器学习》是关于机器学习领域的全新教科书，涵盖了该领域近十年的重要进展。本书介绍了贝叶斯方法如何从专业领域成为主流，图形模型如何成为概率技术的一般框架，以及近似推断算法如变分贝叶斯和期望...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值