- 博客(9)
- 资源 (6)
- 收藏
- 关注
原创 Oracle数据备份与恢复
1、Navicat for Oracle操作简单,连接时需要安装 instantclient-basic-nt-12.1.0.2.0.zip instantclient-sqlplus-nt-12.1.0.2.0.zip 并指定路径 安装教程能以 .sql 文件的形式导入、导出数据(包括表结构、序列、存储过程、视图)可以使用 数据泵 导入导出 .dmp 文件 ,但需要 SYSDBA
2017-10-31 22:14:02 2090
原创 Andrew NG 机器学习 笔记-week9-异常检测和推荐系统(Anomaly Detection and Recommender Systems)
一、Density Estimation(密度估计)1. 问题动机(Problem Motivation)异常检测(Anomaly detection)问题,是机器学习算法的一个常见应用。这种算法的有趣之处在于:它虽然主要用于无监督学习问题,但从某些角度看,它又类似于一些监督学习问题。什么是异常检测呢?为了解释这个概念,让我举一个例子吧:假如你是一个飞机引擎制造商,当你生产的飞机引擎从生产线上流出时
2017-10-28 17:38:02 935
原创 Andrew NG 机器学习 练习7-K-means Clustering and Principal Component Analysis
1 K-means Clustering1.1 Implementing K-meansThe K-means algorithm is a method to automatically cluster similar data examples together.The K-means algorithm is as follows:% Initialize centroidscentroid
2017-10-27 17:36:07 1125
原创 Andrew NG 机器学习 笔记-week8-聚类(Clustering)
一、聚类(Clustering)1、无监督学习简介(Unsupervised Learning Introduction)在无监督学习中,数据没有附带任何标签。 训练集只有 x(1),x(2)...x(m)x^{(1)},x^{(2)}...x^{(m)},没有 y图上的数据看起来可以分成两个分开的点集(称为簇),一个能够找到区分这些点集的算法,称为聚类算法。聚类算法的应用: 市场分割:把数据库中
2017-10-25 11:04:13 833
原创 Andrew NG 机器学习 练习6-Support Vector Machines
1、SVM1.1 Example Dataset 1%% ==================== Part 2: Training Linear SVM ====================% The following code will train a linear SVM on the dataset and plot the% decision boundary learned
2017-10-24 19:37:22 926
原创 Andrew NG 机器学习 笔记-week7-支持向量机(Support Vector Machines)
一、优化目标(Optimization Objective)支持向量机(Support Vector Machine) 广泛应用于工业界和学术界。与逻辑回归和神经网络相比,SVM在学习复杂的非线性方程时,提供了一种更为清晰,更加强大的方式。是有监督算法。从逻辑回归开始展示我们如何一点一点修改来得到本质上的支持向量机。逻辑回归中的假设函数,右边S型激励函数。用 z 表示 θTx\theta^Tx逻辑回
2017-10-23 10:38:21 595
原创 Andrew NG 机器学习 练习5-Regularized Linear Regression and Bias/Variance
1 Regularized Linear Regression本文根据水库中蓄水标线(water level) 使用正则化的线性回归模型预测 水流量(water flowing out of dam),然后 debug 学习算法 以及 讨论偏差和方差对 该线性回归模型的影响。1.1 Visualizing the dataset本作业的数据集分成三部分: ⓐ训练集(training set),样本
2017-10-18 20:49:09 1490
原创 Andrew NG 机器学习 笔记-week6-应用机器学习的建议 ( Advice for Applying Machine Learning)
一、决定下一步做什么(Deciding What to Try Next)假设我们需要用一个线性回归模型来预测房价,当我们用训练好了的模型来预测未知数据的时候,发现有较大的误差,我们下一步可以做什么?获得更多的训练实例–通常是有效的,但代价较大,下面的方法也可能有效,可考虑先采用下面的几种方法。尝试减少特征的数量。尝试获得更多的特征。尝试增加多项式特征。尝试减少正则化程度λ尝试增加正则化
2017-10-17 14:22:36 693
原创 Andrew NG 机器学习 练习4-Neural Networks Learning
Introduction我们将实现神经网络的反向传播算法,并将其应用到手写数字识别中。1 神经网络在以前的练习中,我们实现了 神经网络的前馈传播,并用我们提供的权重值,将其应用到了预测手写字体的任务中。在这个练习中,你讲实现后向传播算法来学习神经网络的参数。1.1 可视化数据每个训练样例,是一个20*20像素的图片灰度数值。每个像素通过一个浮点类型的值来表示灰度值。20*20像素的数值被展开成一个4
2017-10-03 18:33:23 1730
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人