(1)涉及到的算法 1.监督学习：线性回归，逻辑回归，神经网络，SVM。 线性回归（下面第三行x0(i)其实是1，可以去掉） 逻辑回归 神经网络（写出前向传播即可，反向框架会自动计算） SVM 2.非监督学习：聚类算法(K-mean),降维(PCA) K-mean PCA 3.异常检测 4.推荐系统
原创
2022-06-27 20:01:33
69阅读
17.1大型数据集的学习 首先通过学习曲线判断是否增大数据集有效： 高方差时（交叉验证集误差减去训练集误差大时）增加数据集可以提高系统。下图中左图增加数据集有效，右图无效。 17.2随机梯度下降法 随机梯度下降法是只使用一个样本来迭代，其损失函数为： 迭代过程为： 特点： (1)计算量小，迭代速度快
原创
2022-06-27 20:01:09
86阅读
前言：开启大约二十天的机器学习时光，以吴恩达的机器学习课程为主线同时结合网上其他的资源进行学习，每天对学到的东西在博客上记录下来，以备复习Q1:机器学习的定义？（1）一种机器学习的定义：一个程序被认为能从经验E中学习，解决任务T，达到性能指标度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。（2） 从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直
原创
2022-07-29 17:42:16
138阅读
Q1首先要做什么 本章将在随后的课程中讲误差分析，然后怎样用一个更加系统性非方法，从一堆不同的方法中，选取合适的那一个。 Q2误差分析 构建一个学习算法的推荐方法为： （1）从一个简单的能快速实现的算法开始，实现该算法并用交叉验证集数据测试这个算法； （2）绘制学习曲线，决定是增加更多数据，或者添加
原创
2022-06-27 19:59:20
65阅读
Q1决定下一步该干什么 当系统的效果很差时，你可能考虑到收集更多的样本，也可能： （1）尝试减少特征的数量； （2）尝试获得更多的特征； （3）尝试增加多项式特征； （4）尝试减少正则化程度λ； （5）尝试增加正则化程度λ。 如果做决策将是本章的内容。而不是盲目的选择一种策略。 Q2评估一个假设 将
原创
2022-06-27 21:20:50
140阅读
转摘的，忘记连接了朴素贝叶斯P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B)所以有：P(A|B)=P(B|A)*P(A)/P(B)对于给出的
转载
2022-12-13 17:32:02
54阅读
一、机器学习定义机器学习方法是计算机利用已有的数据(经验)，得出了某种模型(迟到的规律)，并利用此模型预测未来(是否迟到)的一种方法。从实践的意义上来说，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。通过训练样本(x,y)获得学习算法,训练出模型,输入x通过模型得到输出y首先，我们需要在计算机中存储历史的数据。接着，我们将这些数据通过机器学习算法进行处理，这个过程在机器学习中
原创
2022-12-06 08:47:26
164阅读
点赞
# 实现“机器学习课程资源”教学指南
作为一名经验丰富的开发者，我将教会你如何实现“机器学习课程资源”。首先，我们需要明确整个流程，然后逐步指导你完成每个步骤。
## 整个流程
```mermaid
journey
title 教学资源实现流程
section 了解需求
section 收集数据
section 数据清洗
section 模型训练
Q1动机一：数据压缩 将特征进行降维，如将相关的二维降到一维： 三维变二维： 以此类推把1000维数据降成100维数据。减少内存占用的空间 Q2动机二：数据可视化 如50个维度的数据是无法进行可视化的，使用降维的方法可以使其降到2维，然后进行可视化。 降维的算法只负责减少维度，新产生的特征的意义就必
原创
2022-06-27 21:27:28
124阅读
第1章 DSP
芯片的定点运算 1．数据的溢出：1>溢出分类：上溢（overflow）：下溢（underflow） &n
15.1问题的动机 将正常的样本绘制成图表（假设可以），如下图所示： 当新的测试样本同样绘制到图标上
原创
2022-06-05 01:09:16
87阅读
Q1过拟合的问题 训练集表现良好，测试集表现差。鲁棒性差。以下是两个例子（一个是回归问题，一个是分类问题） 第一个图明显欠拟合，第三个图过度拟合，拟合函数复杂，虽然对于训练集具有很低的代价函数，但是应用到新样本的能力并不高，图二则是两者的均衡。 解决办法： （1）丢弃一些不能帮助我们正确预测的特征。
原创
2022-06-27 19:58:37
96阅读
18.1问题描述和流程图 （1）图像文字识别是从给定的一张图片中识别文字。 （2）流程包括： 1.文字侦测 2.字符切分（现在不需要切分了） 3.字符分类 18.2滑动窗口 在行人检测中，滑动窗口是首先训练一个固定尺寸输入的判断是否有行人的网络，然后在一张图片中裁该尺寸的图片，送入到网络中；然后不断
原创
2022-06-27 19:59:08
67阅读
16.1问题形式化 (1)讲推荐系统的原因主要有以下几点: 1.推荐系统是一个很重要的机器学习的应用，虽然在学术界上占比较低，但是在商业应用中非常的重要，占有很高的优先级。 2.传达机器学习的一个大思想：特性是可以学习而来的，不需要人工去选择。 (2)说明的案例：电影推荐系统 希望创建一个算法来预测
原创
2022-06-27 20:01:22
76阅读
Q1分类问题 回归问题的输出可能是很大的数，而在分类问题中，比如二分类，希望输出的值是0或1，如何将回归输出的值转换成分类的输出0,1成为关键。注意logistics回归又称 逻辑回归，但他是分类问题，而不是回归问题。 Q2假说表示 其中： sigmoid函数 hθ（x）的作用是，对于给定的输入变量
原创
2022-06-27 21:19:26
60阅读
Andrew Ng 《机器学习》
台大林轩田《机器学习基石》《机器学习技法》
0. 数学&机器学习基础
上海交通大学张志华 机器学习导论
统计机器学习
1. 深度学习
cs231n 代码作业：
GitHub - MyHumbleSelf/cs231n: Convolutional Neural Networks Assignments
CS231n CNNs for Visua
转载
2016-10-23 21:45:00
122阅读
Andrew Ng 《机器学习》台大林轩田《机器学习基石》《机器学习技法》
0. 数学&机器学习基础
上海交通大学张志华
机器学习导论统计机器学习
1. 深度学习
cs231n 代码作业：
GitHub - MyHumbleSelf/cs231n: Convolutional Neural Networks Assignments CS231n CNNs for Visual
转载
2016-10-23 21:45:00
68阅读
2评论
这是小册子是Andrew NG关于机器学习实操性非常强的指导小册子，大家可以多读读Machine Learning Yearning - NG.pdf中文翻译版https://github.com/xiaqunfeng/machine-learning-yearning...
原创
2022-01-17 14:27:41
112阅读
13.1无监督学习：简介 将没有标签的样本分成不同的集合（簇），这种算法叫做聚类。常用的领域有市场分割、社交网络分析、计算机集群管理、了解星系等。 13.2K-均值算法 （1）K-均值是最普及的聚类算法，是一种迭代算法，假设需要将数据聚类成n个组，这时候首先随机选择K个点，称为聚类中心。 将每个样本
原创
2022-06-27 21:27:05
63阅读
