![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习之路
文章平均质量分 95
schedule list
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习视频课提纲+随堂选择练习题——week17大规模机器学习&week18应用实例
文章目录一、WEEK17大规模机器学习(Large Scale Machine Learning)17 - 1 - Learning With Large Datasets17 - 2 - Stochastic Gradient Descent17 - 3 - Mini-Batch Gradient Descent17 - 4 - Stochastic Gradient Descent Convergence17 - 5 - Online Learning17 - 6 - Map Reduce and Da原创 2021-01-12 14:31:19 · 650 阅读 · 0 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week14降维&week15异常检测&WEEK16推荐系统
文章目录一、WEEK14 降维(Dimensionality Reduction)14 - 1 - Motivation I_ Data Compression14 - 2 - Motivation II_ Visualization14 - 3 - Principal Component Analysis Problem Formulation14 - 4 - Principal Component Analysis Algorithm14 - 5 - Choosing The Number Of Pri原创 2021-01-12 10:27:59 · 940 阅读 · 0 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week12支持向量机&week13聚类
文章目录一、WKKE12 支持向量机(Support Vector Machines)12 - 1 - Optimization Objective12 - 2 - Large Margin Intuition12 - 3 - Mathematics Behind Large Margin Classification (Optional)12 - 4 - Kernels I12 - 5 - Kernels II12 - 6 - Using An SVMWEEK12 课后习题二、聚类(Clustering)原创 2021-01-11 11:02:04 · 1419 阅读 · 1 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week10应用机器学习&week11设计机器学习
文章目录一、WEEK 10:应用机器学习的建议(Advice for Applying Machine Learning)10 - 1 - Deciding What to Try Next10 - 2 - Evaluating a Hypothesis10 - 3 - Model Selection and Train_Validation_Test Sets10 - 4 - Diagnosing Bias vs. Variance10 - 5 - Regularization and Bias_Vari原创 2021-01-08 12:37:55 · 1646 阅读 · 1 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week8&week9神经网络
文章目录一、WEEK8:Neural Networks: Representation8 - 1 - Non-linear Hypotheses8 - 2 - Neurons and the Brain8 - 3 - Model Representation I8 - 4 - Model Representation II8 - 5 - Examples and Intuitions I8 - 6 - Examples and Intuitions II8 - 7 - Multiclass Classifi原创 2021-01-07 16:02:29 · 941 阅读 · 0 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week6逻辑回归&week7正则化
文章目录前言一、WEEK66 - 1 - Classification6 - 2 - Hypothesis Representation6 - 3 - Decision Boundary6 - 4 - Cost Function6 - 5 - Simplified Cost Function and Gradient Descent6 - 6 - Advanced Optimization6 - 7 - Multiclass Classification_ One-vs-allWEEK6 课后习题二、WEE原创 2021-01-06 17:09:20 · 2210 阅读 · 1 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week4多变量线性回归&week5Octave教程
文章目录前言一、WEEK4:多变量线性回归(Linear Regression with Multiple Variables)4 - 1 - Multiple Features4 - 2 - Gradient Descent for Multiple Variables4 - 3 - Gradient Descent in Practice I - Feature Scaling4 - 4 - Gradient Descent in Practice II - Learning Rate4 - 5 - F原创 2021-01-05 10:48:23 · 1465 阅读 · 0 评论 -
吴恩达机器学习视频课提纲+随堂选择练习题——week1机器学习概述&week2单变量线性回归
文章目录前言一、WEEK1:intorduction1 - 1 - Welcome:1 - 2 - What is Machine Learning1 - 3 - Supervised Learning1 - 4 - Unsupervised Learningweek1课后选择题节选二、WEEK2:线性回归2 - 1 - Model Representation2 - 2 - Cost Function2 - 3 - Cost Function - Intuition I &&2 - 4 -原创 2021-01-04 11:22:19 · 2214 阅读 · 0 评论 -
机器学习面试之逻辑回归
1.简单介绍一下逻辑回归逻辑回归解决分类问题而不是回归问题(回归问题用于预测),之所以名字中带一个回归是因为决策边界那个假定的是一个满足线性回归的方程,所以取名为逻辑回归。再说回逻辑回归,通过引入一个满足线性回归的决策边界,将其代入非线性变换的sigmoid函数中,将结果映射到【0,1】之间,通过设置阈值进行分类,比如大于0.5的是正样本,小于0.5的就是负样本2.sigmoid函数结果在[0,1]之间。3.LR的假设函数4.LR的损失函数建立在极大似然估计的背景下。极大似然.原创 2020-12-23 15:19:02 · 253 阅读 · 0 评论 -
机器学习面试题之线性回归
1.简单介绍一下线性回归线性就是两个或者多个变量之间的关系符合一次函数关系,对应到图像上就是一条直线,这叫线性关系。那如果变量之间的关系不符合一次函数,图像就不是直线,也不满足线性关系。而回归是指预测,希望通过计算回归到真实值。线性回归是用于预测问题的有监督学习,通过学习x到y的一个映射关系,希望利用学习到的这个映射关系实现对未知的数据进行预测,另外线性回归还是一个连续值。2.线性回归的假设函数是什么形式?其中x0=1,θ ,θ和x都是列向量3.线性回归的代价(损失)函数是什么形式?.原创 2020-12-23 14:51:19 · 723 阅读 · 0 评论 -
数据预处理(处理缺失值、属性编码、数据标准化正则化、特征选择、主成分分析)
数据存在的问题在实际中,我们拿到的数据通常是脏数据,数据可能存在以下几种主要问题:1.数据缺失 (Incomplete) :属性值为空的情况2. 数据噪声 (Noisy):数据值不合常理的情况3. 数据不一致 (Inconsistent):数据前后存在矛盾的情况。如 Age = “42” vs. Birthday = “01/09/1985”4. 数据冗余 (Redundant):数据量或者属性数目超出数据分析需要的情况。5. 数据集不均衡 (Imbalance):各个类别的数据量相差悬殊的情况原创 2020-12-23 10:11:32 · 1326 阅读 · 0 评论