Machine Learning Foundations(机器学习基石)笔记 第二节

最新推荐文章于 2019-07-07 13:32:37 发布
最新推荐文章于 2019-07-07 13:32:37 发布
阅读量1.2k 收藏
点赞数
分类专栏： 【deep learning 基础】 文章标签： 机器学习 数据
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/u013476464/article/details/25602135
版权

机器学习的应用领域

食物(Food)

          数据：Twitter data（words+位置）。

          功能：哪家的餐厅的食物不错，环境好。

穿衣服(Clothing)：

          数据：销售记录+用户调查。
          功能：推荐衣服的时尚搭配。

住(Housing):

         数据：能量消耗记录。

         功能：预测耗能状况。

行（Transportation）：

        数据：大量的已经采集的照片。

        功能：识别各种道路标记。

娱乐（Entertainment）：推荐系统，电影推荐系统等等。


           

           

u013476464
关注
专栏目录
機器學習基石 机器学习基石（Machine Learning Foundations） 作业1 习题解答
Mac Jiang的博客
03-26 3万+
大家好，我是Mac Jiang,今天和大家分享coursera-NTU-機器學習基石(Machine Learning Foundations)-作业1的习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的，但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度，教你如何使用机器学习，注重方法而不是数学推导，是一门很好的入门教程；而林轩田老师的机器学习基石是站在统计
Machine Learning Foundations(机器学习基石)笔记 第一节
信息学院嵌入式实验室
05-12 1305
第一课时
機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总
热门推荐
Mac Jiang的博客
04-07 5万+
大家好，我是Mac Jiang,很高兴您能在百忙之中阅读我的博客！这个专题我主要讲的是Coursera-台湾大学-機器學習基石(Machine Learning Foundations)的课后习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的，但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度，教你如何使用机器学习，注重方法而不是数学推导，是一门很好的入门教程
林轩田机器学习基石（Machine Learning Foundations）笔记（二）
低级算法工程师w
04-17 329
截图一时爽，归纳火葬场 = =、 Learning to answer yes_no P6 2.1 x = (x1,x2, … xd)表示用户的各种特征，threshold表示阈值 y = { +1(good) , -1(bad) } ，注意 0 的情况很少见，而且也没有多大意义 h ∈ H h(x) = sign(求和(1~d)wixi - threshold) = sign(求和(0~d)...
林轩田机器学习基石（Machine Learning Foundations）笔记（一）
低级算法工程师w
04-11 640
d
林轩田机器学习基石（Machine Learning Foundations）笔记（三）
低级算法工程师w
04-23 239
Types of learning P10 3.1 输出只有2种：二元分类（是非题） 机器对于问题输出实数：回归分析/有范围回归分析 不同的y： structured learning : y = structures 自然语言处理、蛋白质显示 P11 3.2 监督学习：给{xi,yi} 1 监督学习 2 无监督学习（非监督式）：只给xi，然后机器自己分群（clustering 聚类），所以可能...
(机器学习基石)Machine Learning Foundations:Lecture 2
MissXy_的博客
10-31 468
Learning to Answer Yes/No When Can Machines Learn(2) 前言：加油！视频链接：https://www.bilibili.com/video/av12463015/#page=6 1.Perceptron Hypothesis Set 感知器的假设空间。 还是银行发信用卡的例子，银行可
林轩田机器学习基石（Machine Learning Foundations）笔记（四）
低级算法工程师w
04-23 221
4. Feasibility of learning 机器学习的可行性 有点翻车，15 16 17听得不太懂，之后会再看看来补上 P14 4.1 探究机器学习的可行性，有些问题x和y之间的联系可以有很多种解释，比如一些所谓的“智商题”对于他们的解其实有很多种解释，那么是否可以进行机器学习呢？ P15 4.2 一些方法去推论： 训练集（D（有噪音的数据输入））和测试集（outside D）会有联...
机器学习基石笔记（五）：训练与测试
the_harder_to_love的博客
04-20 451
Lecture 5: Training versus Testing 训练与测试 用假设集有效数量(多项式)替换假设集大小(无限大)，降低数据集的霍夫丁不等式上界。
台湾大学机器学习基石手写笔记
07-07
大家好，我是Mac Jiang,今天和搭建分享的是台湾大学机器学习基石（Machine Learning Foundations）的个人笔记。个人觉得这门课是一门非常好的机器学习入门课程，值得初学者学习！这份笔记是本人一笔一划手写，扫描后...
Machine Learning机器学习自学资料整理
muzilanlan的专栏
09-30 7251
机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，做一个汇总整理，便于大家参考对比。希望大家持续补充|– 手册类 |--- 课程图谱博客：http://blog.coursegraph.com/ |--- W3shool 关于 Python 3.xx 版本技术文档 |---- 网页地址： http://www.w3cschool.cc/python3/
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 6747
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI 分析、运动和追踪等在线视频教程
信息学院嵌入式实验室
12-18 4832
Tutorials on topics in 2D image analysis, computer visionhttp://t.cn/R4AEWgN 。包括图像处理、分析、识别、应用的课程笔记，PPT/PDF课件，计算机视觉中的机器学习、目标识别、分割、文本识别、fMRI 分析、运动和追踪等在线视频教程。 http://t.cn/R42SjhGOnline Written Course Note
机器学习之非监督学习与强化学习
信息学院嵌入式实验室
09-28 2428
机器学习之非监督学习与强化学习
From N to N+1: Multiclass Transfer Incremental Learning 代码分析（1）
信息学院嵌入式实验室
11-15 2159
From N to N+1: Multiclass Transfer Incremental Learning 代码分析（1）
几个机器学习算法及应用领域相关的中国大牛
信息学院嵌入式实验室
01-07 1646
几个机器学习算法及应用领域相关的中国大牛
机器学习之各种算法（1）
信息学院嵌入式实验室
09-28 1536
机器学习之各种算法
机器学习之各种算法（2）
信息学院嵌入式实验室
09-28 1370
机器学习之各种算法（2）
机器学习基石：适应计算与实践指南
《机器学习基础：适应性计算与机器学习》（Foundations of Machine Learning）是由Thomas Dietterich、Christopher Bishop、David Heckerman、Michael Jordan和Michael Kearns共同担任编辑的一本权威著作。...
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