![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 71
Janee_Chen
在算法工程师路上,前行~
展开
-
《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(三)
第5集 生成学习算法 (一)生成学习模型: 例如:恶性和良性癌症的问题,分别对样本中恶性癌症和良性癌症的特征分别建模,当有新的样本需要判定时,看它是和哪个模型更像,进而预测该样本是良性还是恶性 学习p(x|y),p(y)(叫做class prior),通过贝叶斯推理后验概率: 因为p(x) = p(x|y = 1)p(y = 1) + p(x|y =0)p(y = 0)可以通过p(x原创 2015-08-08 21:58:32 · 3421 阅读 · 0 评论 -
《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(一)
看到蘑菇街招聘的一个加分项是学过Andrew Ng的机器学习课程,于是找来看了下目录,大多数内容之前在PRML中有接触过,研究生课程智能信息处理中也有接触,但觉得不够系统,于是按斯坦福的公开课课表过一遍,有个完整的框架。 ———————————————————————————— 第1集 机器学习的动机与应用 Arthur Samuel(1959) Machine Learning:F原创 2015-08-05 16:24:31 · 4893 阅读 · 0 评论 -
《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(二)
第3集 欠拟合和过拟合的概念 一、线性回归的解释 ,最后一项表示误差项(独立同分布),对前面未被建模的因素进行考虑,一般误差项的加和,根据中心极限定理,符合高斯分布 推出: 注意:分号表示(频率学派的观点,逗号则是贝叶斯学派的观点),以theta为参数的概率,theta不是随机变量,而是有真正数值但未知。然后最大似然求解 二、Locally weigh原创 2015-08-06 21:02:46 · 2091 阅读 · 0 评论