机器学习
文章平均质量分 82
Aki-Z
对实践应用和统计感兴趣的数据科学学习者(`・ω・´)
展开
-
【Machine Learning, Coursera】机器学习Week1 Introduction
本节内容:机器学习(machine learning)简介原创 2018-06-11 22:29:11 · 174 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week6 偏斜数据集的处理
本节内容:1. 查准率(precision)和召回率(recall)2. F1 Score原创 2018-09-12 20:15:44 · 1080 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week6 机器学习系统设计
本节内容:误差分析(error analysis)原创 2018-09-19 15:30:06 · 287 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week7 核函数
本节内容:核函数(Kernel)的概念,带核函数的支持向量机原创 2018-10-03 18:49:35 · 264 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week7 支持向量机
本节内容:SVM目标函数的形式、SVM的特点原创 2018-09-27 23:57:15 · 329 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week8 K均值聚类
本节内容:K均值聚类原创 2018-10-17 22:18:04 · 319 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week7 支持向量机的应用
本节内容:SVM的参数选择、SVM解决多分类问题、实践中logistic回归和SVM的选择原创 2018-10-10 23:07:13 · 414 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week8 主成分分析笔记
本节内容:降维(dimensionality reduction) 、主成分分析(principle component analysis)原创 2018-10-25 22:35:03 · 261 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week9 异常检测笔记
本节内容:异常检测(anomaly detection)原创 2018-12-05 14:04:58 · 380 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week9 推荐系统笔记
本节内容:推荐系统(Recommender Systems),协同过滤(Collaborative Filtering)原创 2018-12-12 19:02:38 · 311 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week6 机器学习应用建议
本节内容:1. 训练集(training set)、交叉验证集(cross validation set)、测试集(test set)2. 模型选择(model selection)3. 学习曲线(learning curves)原创 2018-09-05 13:53:07 · 594 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week5 Neural Networks: Backpropagation in Practice
本节内容:1. 展开参数(unrolling parameters)2. 梯度检验(gradient checking)3. 随机初始化(random initialization)原创 2018-08-29 21:20:24 · 194 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week5 Neural Networks: Learning
本节内容:神经网络的代价函数及其偏导项的计算,反向传播算法(backpropagation algorithm)原创 2018-08-21 23:41:58 · 238 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week1 Linear Regression with One Variable
本节内容:1.一元线性回归(univariate linear regression) 2.梯度下降法(gradient descent)原创 2018-06-13 19:52:16 · 288 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week2 Linear Regression with Multiple Variables
本节内容:1.多元线性回归(multivariate linear regression) 2.梯度下降的应用:特征缩放(feature scaling)、学习率(learning rate)的选择原创 2018-06-24 00:42:40 · 359 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week2 Normal Equation
本节内容:1. 正规方程(normal equation)求解参数的推导 2.梯度下降法和正规方程法的应用场合原创 2018-06-26 13:54:58 · 251 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week3 Logistic Regression
本节内容:1. 逻辑回归(logistic regression)的假设函数形式和代价函数形式 2.高级优化算法(advanced optimization algorithm) 3.One-vs-all 解决多分类问题原创 2018-07-04 16:31:49 · 650 阅读 · 1 评论 -
【Machine Learning, Coursera】机器学习Week3 Regularization
本节内容:1. 过拟合(overfitting)、欠拟合(underfitting)2. 方差(variance)、偏差(bias)3. 正则化(regularization)原创 2018-07-11 17:19:03 · 329 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week4 Neural Networks: Representation
本节内容:1. 输入层(input layer)、隐藏层(hidden layer)、输出层(output layer)2. 偏置单元(bias unit)3. 激励(activation)、激励函数(activation function)4. 权重(weight)5. 前向传播算法(forward propagation)原创 2018-07-22 18:38:05 · 476 阅读 · 0 评论 -
【Machine Learning, Coursera】Week2 ex1: Linear Regression with Python
-linearReg.pyimport numpy as npimport matplotlib.pyplot as pltdef warmUpExercise(): 'An example function that returns the 5x5 identity matrix' A = np.eye(5) print(A)def plotData(X,...原创 2018-07-31 10:38:22 · 195 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week4 Neural Networks: Application
本节内容:用神经网络实现同或(XNOR)和异或(XOR)运算原创 2018-08-14 10:33:54 · 384 阅读 · 0 评论 -
【Machine Learning, Coursera】Week3 ex1: Logistic Regression with Python
import numpy as npimport matplotlib.pyplot as pltfrom scipy.optimize import minimizedef plotData(X,y): """ Plot the data points with + for the positive examples and o for the negative ...原创 2018-08-07 18:10:51 · 280 阅读 · 0 评论 -
【Machine Learning, Coursera】机器学习Week10 大规模机器学习笔记
本节内容:随机梯度下降(Stochastic Gradient Descent)原创 2018-12-19 14:46:50 · 302 阅读 · 0 评论