什么是机器学习广义上：机器学习是一种能够赋予机械学习的能力以此让它完成直接编程无法完成的功能的方法。实践意义： 机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。通俗来讲：三个基本要素：任务T、经验E和性能P。机器学习=通过经验E的改进后，机器在任务T上的性能P所度量的性能有所改进=T–>(从E中学习)–>P（提高） 监督学习 我们给算法一个数据集
转载
2023-10-05 16:24:20
186阅读
一. 欢迎参加《机器学习》课程机器学习的应用：1.数据挖掘：更好的理解用户2.无法用编写程序解决：自动驾驶3.个性化推荐4.AI：像人类一样学习二. 什么是机器学习？机器学习定义：Arthur Samuel对机器学习的定义：在没有明确设置的情况下，使计算机具有学习能力的研究领域(有些陈旧，不正式)Tom Mitchell：计算机程序从经验E中学习解决某一任务T，进行某一性能度量P，通过P测定在T上
1.1 欢迎来到机器学习什么是机器学习？搜索引擎对网页进行排名，自动识别人照片与名字对应， 视频网站对类似视频推荐，手机上的语音转文字功能，语音助手siri，识别垃圾邮件，帮助优化风力涡轮机发电，协助医生做出准确诊断，将计算机视觉引入工厂流水线缺陷检测。1.2 机器学习的应用学习最先进的算法和实践机器学习算法，人工智能的现状，重要的实用技巧以及提高算法性能的技巧。动手实现它们，看它们如何运行的。最
吴恩达机器学习教程学习笔记 （10/16）吴恩达教授（Andrew Ng）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。本笔记根据吴恩达的课程顺序，以每章内容作为节点进行记录。（共18章，其中第3章“线性代数回顾”与第5章“Octava教程”的笔记就不总结了）第十二章 支持向量机(Support Vector Machine)1、优化目标与逻辑回归和神经网络相
Linear Regression with Multiple VariablesEnviroment Setup InstructionSetting Up Programming Assignment EnviromentAccess MATLAB Online and Upload the Programminig Exercise Files由于电脑已经安装好matlab，所以这节略过。M
目录：???前言一、分享二、课程学习一览（章节知识点总结）1、章节目录及知识点整理2、对应章节学习笔记文章链接二、课程重点总结1、监督学习2、无监督学习3、特定的应用和话题4、构建机器学习系统的建议❤️❤️❤️忙碌的敲代码也不要忘了浪漫鸭！ ???前言二、课程学习一览（章节知识点总结）“P数字-P数字”对应视频的目录。 若需要学某一知识，看对应章节视频即可~1、章节目录及知识点整理P1-P4：介
吴恩达机器学习课程（第一周）welcomeWelcome to Machine learning!(video)机器学习在各领域的应用很多 比如搜索引擎 图像识别 垃圾邮件处理这是一门让计算机 无需显式编程(explicitly programmed)就能自主学习的学科在机器学习领域取得进展的最好方法 是通过一种叫做神经网络的学习算法 模拟人类大脑工作Machine Learning Honor
1.主要介绍了当前机器学习使用的各大场景 2.监督学习 Supervised Learning是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（函数 / learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。一个监督式学习者的任务在观
原创
2018-04-08 21:31:00
110阅读
1.非线性假设对于下图中的两类点，如果只考虑两个特性，需要使用非线性的多项式才能很好的建立一个分类模型，如：但是假如存在成百上千的相关特征，如果希望使用这些特征来构建一个非线性的多项式模型，特征组合后的数量十分惊人。比如将100个特征进行两两组合为，也存在近5000个组合，更别提为了获取更多的相关性而采取三三组合等等。多于多特征的数据，增加特征并不是一个好的选择。以汽车分类为例，汽车图片为50*5
笔记是根据吴恩达视频的内容所记录的，视频的地址为：https://www.bilibili.com/video/BV164411b7dx?p=2&spm_id_from=pageDriver1.2 什么是机器学习 Samuel提出计算机可以学习如何观察棋局的形式来做出最好的选择来进行下棋。当时只是简单的对机器学习的定义。Tom后来做出定义，在这段话中E经验指的是程序与自己进行几万次跳棋，T
第一周一、引言1.1 欢迎1.2 机器学习是什么1.3 监督学习1.4 无监督学习二、单变量线性回归2.1 模型表示2.2 代价函数2.3 代价函数的直观理解 I2.4 代价函数的直观理解 II2.5 梯度下降2.6 梯度下降的直观理解2.7 梯度下降的线性回归2.8 接下来的内容三、线性代数回顾3.1 矩阵和向量3.2 加法和标量乘法3.3 矩阵向量乘法3.4 矩阵乘法3-5 矩阵乘法特征（1）
在这门课程的开头，吴老师举了很多个机器学习的例子，比如垃圾邮件筛选，人脸识别，推荐系统以及他的直升机自主飞行实验，举了这么多个例子，其实就是想说为啥需要机器学习？？ 答：因为有些问题依靠传统的编程方法很难解决或者没法解决。比如音乐推荐系统，面对海量用户，不可能针对每个用户都写一个适合他们喜好的音乐推荐程序，所以就需要机器学习。那大概要怎么办呢？就是通过获取每个用户的音乐选择信息，然后给音乐贴上标签
吴恩达机器学习教程学习笔记 （1/16）吴恩达教授（Andrew Ng）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。本笔记根据吴恩达的课程顺序，以每章内容作为节点进行记录。（共16章，其中第三章“线性代数回顾”与第5章“Octava教程”的笔记就不总结了）第一章 引言（Introduction）以三个问题的形式展开：1、机器学习是什么？第一个机器学习的定义来
本博客介绍吴恩达机器学习课程的所有知识，学习笔记系列写自己的听课笔记和心得，课程练习系列写课后练习题的作业答案，附上参考的大哥的博客地址。吴恩达老师的课程可以在B站上看到，讲的很好，推荐大家都去看一下。本系列所有照片均来自于吴恩达老师讲课课件，侵删。总述：本篇讲述第一章：引言和第二章：单变量线性回归。引言中重点理解监督学习和无监督学习的概念和二者区别，单变量线性回归中理解线性回归，代价函数，梯度下
转载
2023-10-07 09:06:10
383阅读
本系列文章如果没有特殊说明，正文内容均解释的是文字上方的图片机器学习 | Coursera吴恩达机器学习系列课程_bilibili 目录1 介绍1-3 监督学习1-4 无监督学习2 单变量线性回归2-2 代价函数2-5 Batch 梯度下降算法 1 介绍1-3 监督学习包括线性回归和逻辑回归1-4 无监督学习无监督学习不需要给数据打上标签，也就是不需要人告诉机器一部分正确答案是什么2 单变量线性回
转载
2023-09-17 00:06:27
80阅读
吴恩达机器学习第一个星期1.欢迎和介绍1.1机器学习的定义和类型1.2监督学习1.3无监督学习2.模型和代价函数2.1模型的表示2.2代价函数2.3代价函数的可视化3.参数学习3.1梯度下降3.2梯度下降的直观解释3.3在线性回归中进行梯度下降3.4线性代数复习参考文献 本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批
这一节主要是对卷积神经网络（CNN）的一个了解和基础知识的学习，本文主要记录了自己在学习时的笔记内容。 对于计算机视觉应用来说，肯定不希望其处理小图片，要处理的都是比较大的图片，但是因为数据量的巨大让人无法接受，因此需要进行卷积运算。1、边缘检测直观上的图形显示示例： &
转载
2023-10-13 00:01:25
111阅读
不必时时怀念我，也不要指望我回来，我离开以后，你们就是我， Vive le peuple!个人感觉吴恩达讲的SVM好像过于简单了，我看网上的那些都搞得挺复杂的，推荐自己有时间去看看其他的教程SVM的定义这是教程给的SVM的损失函数定义，和之前的都差不多，区别就是里面的函数被替换了 并且SVM只会输出结果，并不会输出结果的概率大间隔分类器机制对于一般的分类器，对下图的内容进行分类，很有可能会选择绿线
转载
2023-10-12 16:13:10
118阅读
YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V 截止2021-5-3, 有112 个视频1. 第一课：Machine Learning 的作用AI工作机会缺口一直很大计算机新的技能数据挖掘：google、Facebook等点击手机数据，医疗记录，生物智能基因检测，程序员技能。硬件
转载
2023-10-13 16:14:42
112阅读
1.1 欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节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，搜索到你需要的内容，正是因为他们有良好的学习算法。谷
转载
2023-10-22 22:12:10
47阅读
