CS229-吴恩达机器学习笔记

吴恩达机器学习笔记 —— 1 绪论：初识机器学习

吴恩达机器学习笔记——1绪论：初识机器学习机器学习目前已经应用在很多领域，比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别、自然语言处理、计算机视觉。
xing halo·2018-07-08 18:00

吴恩达机器学习笔记 —— 1 绪论：初识机器学习

机器学习目前已经应用在很多领域，比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别、自然语言处理、计算机视觉。更多内容参考机器学习&深度学习什么是机器学习1机器学习一些比较难以变成的能力——ArthurSamuel2通过给定任务T以及性能度量P以及经验E，计算机程序从经验E中学习，用学习的结果改善性能P，从而实现自我完善，则称改程序具有学习能力。机器学习的分类机器学习通
xingoo·2018-07-08 18:00

吴恩达机器学习笔记（十六）-推荐系统

第十七章推荐系统问题规划这一章中将讨论推荐系统的有关内容，它是在机器学习中的一个重要应用。机器学习领域的一个伟大思想：对于某些问题，有一些算法可以自动地学习一系列合适的特征，比起手动设计或编写特征更有效率。这是目前做的比较多的研究，有一些环境能让你开发某个算法来学习使用那些特征。接下里让我们通过推荐系统的学习来领略一些特征学习的思想。推荐系统预测电影评分的问题：某些公司让用户对不同的电影进行评价，
献世online·2018-07-01 11:25

吴恩达机器学习笔记（十五）-异常检测

第十六章异常检测问题动机这一章中将介绍异常检测问题，这是机器学习算法的常见应用，那么什么是异常检测问题？举例：比如生产汽车引擎，需要进行质量测试，而作为测试的一部分，需要测量汽车引擎的一些特征变量：（1）引擎运转时产生的热量；（2）引擎的振动；于是就会有一个数据集：，把数据绘制成图，如下图：这样，异常检测问题可以定义如下：假设，之后生产了一个新的汽车引擎，而新的汽车引擎有一个特征变量集，所谓的异常
Messi-Q·2018-06-30 11:33

吴恩达机器学习笔记（十四）-降维

第十五章降维目标：数据压缩和可视化这一章中将讨论第二种无监督学习的问题：降维。数据压缩不仅能让我们对数据进行压缩，使得数据占用较少的内存和硬盘空间，还能对学习算法进行加速。（1）二维降到三维：如果能把数据从二维减少到一维，用来减少这种冗余，通过降维，也就说想找出一条线，看起来大多数样本所在的线，所有的数据都投影到这条线上，通过这种做法，能够测量出每个样本在线上的位置。就可以建立新的特征，只需要一个
献世online·2018-06-29 10:07

吴恩达机器学习笔记（十三）-无监督学习

第十四章无监督学习无监督学习这一章中将介绍无监督学习中的聚类算法，那么什么是无监督学习呢？首先，拿监督学习来进行比较，这是一个典型的监督学习的例子，有一个带标签的训练集，目标是找到一条能够区分正样本和负样本的决策边界，如下图：这里的监督学习问题是指有一系列标签，用假设函数去拟合它。而相比于无监督学习中，数据并不带有任何标签，得到的数据如下图：因此在无监督学习中，要将这系列无标签的数据输入到算法中，
献世online·2018-06-28 00:11

吴恩达机器学习笔记（十二）-支持向量机

第十三章支持向量机（SVM）优化目标支持向量机在学习复杂的非线性方程时能够提供一种更为清晰个更加强大的方式。先回顾一下逻辑回归的相关概念，看如何进行改动可以得到支持向量机。逻辑回归的假设函数为，对应的图像如下：如果有样本y=1，希望能尽可能接近1，意味着远大于0；如果有样本y=0，希望能尽可能接近0，意味着远小于0。逻辑回归中的代价函数为：针对某一项的cost为：可以看到下图中SVM中对代价函数的
献世online·2018-06-27 11:04

吴恩达机器学习笔记（十）-应用机器学习的建议

第十一章应用机器学习的建议决定下一步做什么当要设计机器学习系统时，如何选择一条最适合最高效的道路？假设你已经实现了正则化的线性回归来预测房屋价格，然而，当在一组新的测试集上使用该假设时，在预测上出现了不能接受的错误，接下来会做什么呢？也就是说当调试学习算法时，当面对测试集算法效果不佳时，会怎么做呢？（1）采集更多的训练样本；（有时候并没有效果）（2）尝试选用更少的特征；（3）尝试获取更多的特征；（
献世online·2018-06-24 00:09

吴恩达机器学习笔记（0）——初识机器学习

自学机器学习，在瞎学，学了TensorFlow，只会做个调包侠，做做教程的例子，遇到实际问题，还是两眼一抹黑，于是准备恶补一下机器学习的基础知识。听了网上的推荐就看了《吴恩达机器学习》，感觉挺不错的，所以想把我学的内容记录个笔记，以便于以后遗忘了在回来复习一下，顺便趁热打铁。1.什么是机器学习首先Arthur在1959年将机器学习定义为：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接着后来
机智的神棍酱·2018-06-03 19:07

2.吴恩达机器学习笔记全干货（第二章：单变量线性回归）

1.符号：m=训练样本中的数量x=输入变量y=输出变量(x,y)=一个训练样本(x(i),y(i))=第i个训练样本流程：2.整体目标（J为代价函数，又叫平方误差函数，平方误差代价函数）3.通过图像进一步了解代价函数（二维）4.通过等高线图了解代价函数（三维）5.梯度下降（适用于单变量回归线性外更一般的函数）步骤：1.给定初始值（常常两个均为0）2.不停地一点点改变theta0和theta1，使J
cxt_victoria·2018-06-02 14:39

1.吴恩达机器学习笔记 全干货（第一章：绪论）

1.机器学习运用领域：数据挖掘无法手动编写的程序：NLP（自然语言处理），计算机视觉私人订制程序：eg推荐Understandinghumanlearning(brain,realAI)2.算法（1）监督学习：我们会教计算机做某事（2）非监督学习：计算机自己学习Others:强化学习，推荐系统3.监督学习案例：给出数据库，其中包括了正确答案，目的：给出更多的正确答案回归问题：Regression预
cxt_victoria·2018-06-01 15:10

Coursera吴恩达机器学习笔记及代码练习(Matlab版)

coursera课程主页https://www.coursera.org/learn/machine-learning之前寒假其实已经在B站上看过Andrew的这门机器学习了，先在这里给出链接，基本上都是有中文字幕的，喜欢弹幕的小伙伴可以看这个。https://www.bilibili.com/video/av9912938网易云课堂也上线了这门课，因为是官方翻译肯定比B站的好，缺点也是没有配套练
不晓得X·2018-06-01 12:31

《机器学习》(周志华)西瓜书读书笔记(完结)

原文链接：http://www.cnblogs.com/limitlessun/p/8505647.html大部分基础概念知识已经在MachineLearning|AndrewNg|Coursera吴恩达机器学习笔记这篇博客中罗列
weixin_30374009·2018-03-04 19:00

吴恩达机器学习笔记（一），含作业及附加题答案链接

吴恩达机器学习笔记（一）标签（空格分隔）：机器学习吴恩达机器学习笔记一一机器学习简介机器学习的定义监督学习非监督学习代价函数costfunction二梯度下降和线性回归gradientdescentandlinearregression
蚍蜉_·2017-12-09 00:00

斯坦福机器学习课程笔记1

比如邮编读取可达到99.9%的正确率）三，使用工具MATLAB或octave四，在线资源1，http://cs229.stanford.edu/2，新闻组http://su.class.cs229/3，联系我们：cs229
free356·2017-06-17 16:32

吴恩达机器学习笔记_第三周

LogisticRegression逻辑回归（分类）：0:NegativeClass1:PositiveClass二元分类问题讲起，虽然有回归二字，其实为分类算法，处理离散y值。 输出以以条件概率表示，若P(y=1|x;theta)=0.7，表示有70%的概率y=1.那么有30%的概率y=0 决策边界(DecisionBoundary)：当z=0，即thetaT*X的值等于零时，此时假设函数为0.
hunterlew·2016-04-11 21:00

吴恩达机器学习笔记_第二周

多元线性回归的情况：符号表示方法，上标表示第几个样本，下标表示第几个特征。 多元线性回归的梯度下降：当代价函数有多个参数时（即多个特征时）： 使用梯度下降实用技巧：FeatureScaling特征缩放Makesurefeaturesareonasimilarscale收敛的快（代价函数图像很扁，收敛路径长）缩放到-1～1范围，x0为1，一般特征值除以最大值还可以用均值归一化：减去均值后除以（最大值
hunterlew·2016-04-11 21:00

吴恩达机器学习笔记_第一周

毕业论文方向可能和神经网络挂钩，神经网络也是机器学习的一部分。从这周开始决定跟着AndrewNg公开课系统地学习机器学习，4/4日开课，第一周为试听，今天先看了。以后每周更新一下。的确感觉讲的不错，形式平易近人。//分割线-----------------------------------------------------------------------------------------
hunterlew·2016-04-02 16:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他