人工智能被认为是下一个互联网大事件，当下，谷歌、微软、百度等知名的高科技公司争相投入资源，占领深度学习的技术制高点，百度在2014年5月19日宣布曾领导谷歌的深度学习项目——Google Brain ，被誉为谷歌大脑之父的Andrew Ng加盟百度，正式领导百度研究院工作，尤其是Baidu Brain计划。7月7日，他应邀做客中国科学院自动化研究所，发表了《Deep Learning：O
转载
2023-07-24 20:49:22
86阅读
机器学习概述 文章目录机器学习概述前言一、机器学习的简单概述二、机器学习的主要任务三、如何选择合适的算法四、开发机器学习应用程序的步骤五、本章小结 前言机器学习实战提示：以下是本篇文章正文内容，下面案例可供参考一、机器学习的简单概述 例如，对于垃圾邮件的检测，侦测一个单词是否存在并没有太大的作用，然而当某几个特定的单词同时出现时，再辅以考察邮件长度及其它因素，人们就课更准确地判定该邮件是否位垃圾
转载
2023-09-05 18:38:53
51阅读
Andrew Ng机器学习课程6说明 在前面跟随者台大机器学习基石课程和机器学习技法课程的设置，对机器学习所涉及到的大部分的知识有了一个较为全面的了解，但是对于没有动手写程序并加以使用的情况，基本上是不可能掌握好的。特别是我的...
转载
2015-08-23 09:48:00
53阅读
Andrew Ng机器学习课程6说明 在前面跟随者台大机器学习基石课程和机器学习技法课程的设置，对机器学习所涉及到的大部分的知识有了一个较为全面的了解，但是对于没有动手写程序并加以使用的情况，基本上是不可能掌握好的。特别是我的...
转载
2015-08-23 11:00:00
67阅读
Andrew Ng机器学习课程10a example如果hypothesis set中的hypothesis是由d个real number决定的，那么用64位的计算机数据表示的话，那么模型的个数一共有k=264d，那么训练样本的...
转载
2015-09-11 23:42:00
65阅读
2评论
Andrew Ng机器学习课程9首先以一个工匠为例，说明要成为一个出色的工匠，就需要掌握各种工具的使用，才能知道在具体的任务中选择什么工具来做。所以今天要讲的就是机器学习的理论部分。bias variance trade off...
转载
2015-09-10 23:27:00
111阅读
2评论
Andrew Ng机器学习课程14 引言：主要介绍了当数据量不足，利用EM算法对混合高斯模型进行建模时数据量比较少时，得到的协方差矩阵是一个奇异矩阵，即行列式为0，也就是协方差矩阵的逆矩阵是不存在的，所以也就无法使用混合高斯进行建模。需要对 协方差矩阵进行限制，比如对角阵或者是单位矩阵等。这样限制之后实际上是认为不同
转载
2015-10-07 23:29:00
75阅读
2评论
Andrew Ng机器学习课程13引言：主要从一般的角度介绍EM算法及其思想，并推导了EM算法的收敛性。最后用一般的EM算法回顾了混合高斯模型的求解过程，并推导了通过EM算法求解混合高斯模型参数的过程。视频笔记会通过增补内容加以补充。 2015-9-30 艺少
转载
2015-09-30 14:06:00
82阅读
2评论
Andrew Ng机器学习课程15说明：主要介绍了主成分分析，从基本的直观观念出发逐渐推导至公式化的描述，得到解决PCA的奇异值分解方法。最后介绍了一下PCA的应用，对于特征的可视化压缩是一个非常直观的应用。关于奇异值分解及其应用可以参看我的博文《 矩阵分解之奇异值分解》有着精彩而详细的论述。 2015-10
转载
2015-10-09 09:25:00
95阅读
2评论
Andrew Ng机器学习课程16说明：主要介绍了ICA算法，并利用最大似然估计和随机梯度上升算法进行求解，得到了ICA算法的迭代公式。主要用于从混叠信号中恢复出原始信号。 2015-10-9 艺少
转载
2015-10-09 23:00:00
89阅读
2评论
Andrew Ng机器学习课程6说明 在前面跟随者台大机器学习基石课程和机器学习技法课程的设置，对机器学习所涉及到的大部分的知识有了一个较为全面的了解，但是对于没有动手写程序并加以使用的情况，基本上是不可能掌握好的。特别是我的...
转载
2015-08-23 11:00:00
43阅读
Andrew Ng机器学习课程14 引言：主要介绍了当数据量不足，利用EM算法对混合高斯模型进行建模时数据量比较少时，得到的协方差矩阵是一个奇异矩阵，即行列式为0，也就是协方差矩阵的逆矩阵是不存在的，所以也就无法使用混合高斯进行建模。需要对 协方差矩阵进行限制，比如对角阵或者是单位矩阵等。这样限制之后实际上是认为不同
转载
2015-10-07 23:29:00
119阅读
2评论
Andrew Ng机器学习课程12引言：主要讲述了batch learning和online learning的区别，然后介绍了经典的非监督算法：k-means算法。然后介绍了混合高斯模型以及求解时采用的EM算法。本文是基于lecture notes进行的总结，等上完视频课，会通过12课补充来丰富这些内容。 2
转载
2015-09-29 15:50:00
80阅读
点赞
2评论
Andrew Ng机器学习课程16说明：主要介绍了ICA算法，并利用最大似然估计和随机梯度上升算法进行求解，得到了ICA算法的迭代公式。主要用于从混叠信号中恢复出原始信号。 2015-10-9 艺少
转载
2015-10-09 23:00:00
66阅读
2评论
Andrew Ng机器学习课程12引言：主要讲述了batch learning和online learning的区别，然后介绍了经典的非监督算法：k-means算法。然后介绍了混合高斯模型以及求解时采用的EM算法。本文是基于lecture notes进行的总结，等上完视频课，会通过12课补充来丰富这些内容。
转载
2015-09-29 15:50:00
74阅读
2评论
Andrew Ng机器学习课程6说明 在前面跟随者台大机器学习基石课程和机器学习技法课程的设置，对机器学习所涉及到的大部分的知识有了一个较为全面的了解，但是对于没有动手写程序并加以使用的情况，基本上是不可能掌握好的。特别是我的...
转载
2015-08-23 09:48:00
95阅读
回顾通过定义训练集S={(x(i),y(i));i=1,2,...,m}与线性决策平面(w,b)之间的function margin γ^和geometric margin γ 、好的分类决策平面特点得到了一个最优化问题： ma...
转载
2015-08-26 11:05:00
91阅读
2评论
回顾通过定义训练集S={(x(i),y(i));i=1,2,...,m}与线性决策平面(w,b)之间的function margin γ^和geometric margin γ 、好的分类决策平面特点得到了一个最优化问题： ma...
转载
2015-08-26 11:05:00
128阅读
2评论
Andrew Ng机器学习课程10a example如果hypothesis set中的hypothesis是由d个real number决定的，那么用64位的计算机数据表示的话，那么模型的个数一共有k=264d，那么训练样本的...
转载
2015-09-11 23:42:00
69阅读
2评论
Andrew Ng机器学习课程14(补)利用EM对factor analysis进行的推导还是要参看我的上一篇博文《Andrew Ng机器学习课程13》中关于EM的运算推导过程，才能对factor analysis中的相关转换有所理解。一个具体的应用例子：
例如，在企业形象或品牌形象的研究中，消费者可以通过一
转载
2015-10-08 22:47:00
57阅读
2评论
