数据挖据与机器学习
Peter-Young
这个作者很懒,什么都没留下…
展开
-
一个 11 行 Python 代码实现的神经网络
概要:这篇教程通过由一段简短的 python 代码实现的非常简单的实例来讲解 BP 反向传播算法。转载 2016-10-27 10:49:47 · 909 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week9 异常检测和高斯混合模型 Anomaly Detection
异常检测,广泛用于欺诈检测(例如“此信用卡被盗?”)。 给定大量的数据点,我们有时可能想要找出哪些与平均值有显着差异。 例如,在制造中,我们可能想要检测缺陷或异常。 我们展示了如何使用高斯分布来建模数据集,以及如何将模型用于异常检测。我们还将涵盖推荐系统,这些系统由亚马逊,Netflix和苹果等公司用于向其用户推荐产品。 推荐系统查看不同用户和不同产品之间的活动模式以产生这些建议。 在这些原创 2017-03-12 16:48:16 · 3463 阅读 · 1 评论 -
斯坦福机器学习视频笔记 Week8 无监督学习:聚类与数据降维 Clusting & Dimensionality Reduction
监督学习算法需要标记的样本(x,y),但是无监督学习算法只需要input(x)。 您将了解聚类 - 用于市场分割,文本摘要,以及许多其他应用程序。Principal Components Analysis, 经常用于加快学习算法,同时对于数据可视化以帮助你对数据的理解也有很大的帮助。Unsupervised learning Introductionsupervised原创 2017-03-10 20:51:28 · 821 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week7 支持向量机 Support Vector Machines
SVM被许多人认为是最强大的“黑箱”学习算法,并通过提出一个巧妙选择的优化目标,今天最广泛使用的学习算法之一。Optimization Objective根据Logistic Regression,有如下表述:为了达到尽量好的分类效果,我们需要theta‘*x >> 0 or theta‘*x 1 or h(x)->0,可以看出这时我们的分类效果是最具说服力的。原创 2017-03-08 21:37:32 · 425 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week4&Week5 神经网络 Neural Networks
神经网络是一种受大脑工作原理启发的模式。 它在许多应用中广泛使用:当您的手机解释并理解您的语音命令时,很可能是神经网络正在帮助理解您的语音; 当您兑现支票时,自动读取数字的机器也使用神经网络。Non-linear Classification 当输入数据特征过多,像上面的例子,当使用三次幂的特征时,可以超过170,000项,使我们的逻辑回归难以运行。还有在原创 2017-02-01 22:13:47 · 808 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week3 逻辑回归和正则化 Logistic Regression and Regularization
我们将讨论逻辑回归。 逻辑回归是一种将数据分类为离散结果的方法。 例如,我们可以使用逻辑回归将电子邮件分类为垃圾邮件或非垃圾邮件。 在本模块中,我们介绍分类的概念,逻辑回归的损失函数(cost functon),以及逻辑回归对多分类的应用。我们还涉及正规化。 机器学习模型需要很好地推广到模型在实践中没有看到的新例子。 我们将介绍正则化,这有助于防止模型过度拟合训练数据。Classi原创 2017-01-26 22:59:24 · 496 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week2 多元线性回归 Linear Regression with Multiple Variables
斯坦福机器学习视频笔记 Week2 Linear Regression with Multiple Variables原创 2017-01-24 22:25:08 · 543 阅读 · 0 评论 -
斯坦福机器学习视频笔记 Week1 线性回归和梯度下降 Linear Regression and Gradient Descent
斯坦福机器学习视频笔记 Week1 Linear Regression and Gradient Descent原创 2017-01-12 20:36:35 · 849 阅读 · 0 评论 -
关于Coursera上的斯坦福机器学习课程的编程作业提交问题
关于Coursera上的斯坦福机器学习课程的编程作业提交问题 Submission failed: unexpected error: urlread: Peer certificate cannot be authenticated with given CA certificates.原创 2017-01-24 19:59:20 · 8466 阅读 · 1 评论 -
斯坦福机器学习视频笔记 Week6 关于机器学习的建议 Advice for Applying Machine Learning
我们将学习如何系统地提升机器学习算法,告诉你学习算法何时做得不好,并描述如何'调试'你的学习算法和提高其性能的“最佳实践”。要优化机器学习算法,需要先了解可以在哪里做最大的改进。 我们将讨论如何理解具有多个部分的机器学习系统的性能,以及如何处理偏斜数据。Evaluating a Hypothesis设想当你训练的模型对预测数据有很大偏差的时候,接下来你会选择怎么做?原创 2017-03-13 09:59:50 · 370 阅读 · 0 评论