机器学习
w3071206219
这个作者很懒,什么都没留下…
展开
-
coursera-斯坦福-机器学习-吴恩达-正则化
正则化(Regularization)1.1 过拟合的问题参考视频: 7 - 1 - The Problem of Overfitting (10 min).mkv到现在为止,我们已经学习了几种不同的学习算法,包括线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过拟合(over-fitting)的问题,可能会导致它们效果很差。在这段...转载 2018-12-26 19:26:42 · 170 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-应用机器学习的建议
10.1 决定下一步做什么参考视频: 10 - 1 - Deciding What to Try Next (6 min).mkv到目前为止,我们已经介绍了许多不同的学习算法,如果你一直跟着这些视频的进度学习,你会发现自己已经不知不觉地成为一个了解许多先进机器学习技术的专家了。然而,在懂机器学习的人当中依然存在着很大的差距,一部分人确实掌握了怎样高效有力地运用这些学习算法。而另一些人他们...转载 2018-12-27 08:49:25 · 315 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-初识机器学习
第1周[TOC] 引言(Introduction)1.1 欢迎参考视频: 1 - 1 - Welcome (7 min).mkv第一个视频主要讲了什么是机器学习,机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中,你将学习到这门技术的前沿,并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法每次,你打开谷歌、必应搜索到...转载 2018-12-23 13:24:38 · 472 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-单变量线性回归
二、单变量线性回归(Linear Regression with One Variable)2.1 模型表示参考视频: 2 - 1 - Model Representation (8 min).mkv我们的第一个学习算法是线性回归算法。在这段视频中,你会看到这个算法的概况,更重要的是你将会了解监督学习过程完整的流程。让我们通过一个例子来开始:这个例子是预测住房价格的,我们要使用一个...转载 2018-12-23 15:06:29 · 254 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-多变量线性回归
四、多变量线性回归(Linear Regression with Multiple Variables)4.1 多维特征参考视频: 4 - 1 - Multiple Features (8 min).mkv目前为止,我们探讨了单变量/特征的回归模型,现在我们对房价模型增加更多的特征,例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为$\left( {x_{1}},{x_{2}...转载 2018-12-23 18:32:27 · 219 阅读 · 0 评论 -
斯坦福CS231n李飞飞计算机视觉之线性分类中
线性分类器简介 线性评分函数 阐明线性分类器 损失函数 多类SVM 译者注:中篇翻译截止处 Softmax分类器 SVM和Softmax的比较 基于Web的可交互线性分类器原型 小结损失函数 Loss function在上一节定义了从图像像素值到所属类别的评分函数(score function),该函数的参数是权重矩阵。在函数中,数据是给定的,不能修改。但是我们可以调...转载 2019-02-01 14:33:57 · 156 阅读 · 0 评论 -
斯坦福CS231n李飞飞计算机视觉之线性分类下
线性分类器简介 线性评分函数 阐明线性分类器 损失函数 多类SVM Softmax分类器 译者注:下篇翻译起始处 SVM和Softmax的比较 基于Web的可交互线性分类器原型 小结Softmax分类器SVM是最常用的两个分类器之一,而另一个就是Softmax分类器,它的损失函数与SVM的损失函数不同。对于学习过二元逻辑回归分类器的读者来说,Softmax分类器就可以...转载 2019-02-01 14:36:13 · 246 阅读 · 0 评论 -
斯坦福CS231n李飞飞计算机视觉之数据驱动的图像分类上
图像分类、数据驱动方法和流程 Nearest Neighbor分类器 k-Nearest Neighbor 译者注:上篇翻译截止处 验证集、交叉验证集和超参数调参 Nearest Neighbor的优劣 小结 小结:应用kNN实践 拓展阅读图像分类目标:这一节我们将介绍图像分类问题。所谓图像分类问题,就是已有固定的分类标签集合,然后对于输入的图像,从分类标签集合中找出一个分...转载 2019-01-30 22:12:16 · 440 阅读 · 0 评论 -
斯坦福CS231n李飞飞计算机视觉之数据驱动的图像分类下
图像分类、数据驱动方法和流程 Nearest Neighbor分类器 k-Nearest Neighbor 验证集、交叉验证集和超参数调优 译者注:下篇翻译起始处 Nearest Neighbor的优劣 小结 小结:应用kNN实践 拓展阅读用于超参数调优的验证集k-NN分类器需要设定k值,那么选择哪个k值最合适的呢?我们可以选择不同的距离函数,比如L1范数和L2范数等,那么...转载 2019-01-30 22:13:21 · 229 阅读 · 0 评论 -
斯坦福CS231n李飞飞计算机视觉之线性分类上
线性分类器简介 线性评分函数 阐明线性分类器 译者注:上篇翻译截止处 损失函数 多类SVM Softmax分类器 SVM和Softmax的比较 基于Web的可交互线性分类器原型 小结线性分类上一篇笔记介绍了图像分类问题。图像分类的任务,就是从已有的固定分类标签集合中选择一个并分配给一张图像。我们还介绍了k-Nearest Neighbor (k-NN)分类器,该分类器...转载 2019-01-31 08:40:19 · 260 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-推荐系统
十六、推荐系统(Recommender Systems)16.1 问题形式化参考视频: 16 - 1 - Problem Formulation (8 min).mkv在接下来的视频中,我想讲一下推荐系统。我想讲推荐系统有两个原因:第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年,我偶尔访问硅谷不同的技术公司,我常和工作在这儿致力于机器学习应用的人们聊天,我常问他们,最重要...转载 2019-01-09 08:51:15 · 519 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-大量数据获取和上限分析
18.3 获取大量数据和人工数据参考视频: 18 - 3 - Getting Lots of Data and Artificial Data (16 min).mkv如果我们的模型是低方差的,那么获得更多的数据用于训练模型,是能够有更好的效果的。问题在于,我们怎样获得数据,数据不总是可以直接获得的,我们有可能需要人工地创造一些数据。以我们的文字识别应用为例,我们可以字体网站下载各种字...转载 2019-01-14 09:49:44 · 438 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-Logistic 回归
六、逻辑回归(Logistic Regression)6.1 分类问题参考文档: 6 - 1 - Classification (8 min).mkv在这个以及接下来的几个视频中,开始介绍分类问题。在分类问题中,你要预测的变量 y 是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法。在分类问题中,我...转载 2018-12-23 22:24:36 · 142 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-支持向量机
支持向量机(Support Vector Machines)12.1 优化目标参考视频: 12 - 1 - Optimization Objective (15 min).mkv到目前为止,你已经见过一系列不同的学习算法。在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是,应用这些算法时,所创建的大量数据在应用这些算法时,表现...转载 2019-01-06 10:19:18 · 366 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-K-Means
13.1 无监督学习:简介参考视频: 13 - 1 - Unsupervised Learning_ Introduction (3 min).mkv在这个视频中,我将开始介绍聚类算法。这将是一个激动人心的时刻,因为这是我们学习的第一个非监督学习算法。我们将要让计算机学习无标签数据,而不是此前的标签数据。那么,什么是非监督学习呢?在课程的一开始,我曾简单的介绍过非监督学习,然而,我们还...转载 2019-01-06 17:27:59 · 376 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-异常检测
[TOC] 十五、异常检测(Anomaly Detection)15.1 问题的动机参考文档: 15 - 1 - Problem Motivation (8 min).mkv在接下来的一系列视频中,我将向大家介绍异常检测(Anomaly detection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督...转载 2019-01-08 10:04:52 · 365 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-在线学习和多台计算机计算
17.5 在线学习参考视频: 17 - 5 - Online Learning (13 min).mkv在这个视频中,讨论一种新的大规模的机器学习机制,叫做在线学习机制。在线学习机制让我们可以模型化问题。今天,许多大型网站或者许多大型网络公司,使用不同版本的在线学习机制算法,从大批的涌入又离开网站的用户身上进行学习。特别要提及的是,如果你有一个由连续的用户流引发的连续的数据流,进入你的...转载 2019-01-14 09:13:56 · 378 阅读 · 0 评论 -
coursera-斯坦福-机器学习-吴恩达-OCR文字识别
十八、应用实例:图片文字识别(Application Example: Photo OCR)18.1 问题描述和流程图参考视频: 18 - 1 - Problem Description and Pipeline (7 min).mkv图像文字识别应用所作的事是,从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作,需要采取如下步骤:...转载 2019-01-14 09:42:14 · 542 阅读 · 0 评论