Archives

排序算法Python实现(上)

排序算法Python实现(下)

高斯混合模型, 英文为Gaussian Mixture Model, 简称GMM, 是一种聚类算法. 它和K-means算法很像, 只不过GMM得到的结果是对概率密度的估计, 是一种软聚类. 那么究竟什么是高斯混合模型呢? 其实顾名思...

这是Andrew Ng在Coursera上的深度学习专项课程中第二门课Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimiza...

这是Andrew Ng在Coursera上的深度学习专项课程中第二门课Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimiza...

在深度学习专项课程的第一门课Neural Networks and Deep Learning中, 我们主要学习了深度神经网络中的前向反向传播, 并成功地使用Python+Numpy实现了任意结构的二分类深度神经网络. 而从这次开始我...

这是Andrew Ng在Coursera上的深度学习专项课程中第一门课Neural Networks and Deep Learning第四周Deep Neural Networks的学习笔记. 本周的大部分内容在上一周的笔记中都已经...

这是Andrew Ng在Coursera上的深度学习专项课程中第一课Neural Networks and Deep Learning第三周Shallow Neural Networks的学习笔记. 上周我们说了Logistic Re...

这是Andrew Ng在Coursera上的深度学习专项课程中第一课Neural Networks and Deep Learning第一周Introduction to deep learning的学习笔记

这是Andrew Ng在Coursera上的深度学习专项课程中第一课Neural Networks and Deep Learning第二周Neural Networks Basics的学习笔记. 本周我们将要学习Logistic R...

deeplearning.ai 深度学习专项课程笔记目录页，整理各门课程和周次的学习笔记入口。

支持向量机是一种二类分类模型. 它的基本模型是定义在特征空间上的间隔最大的线性分类器. 间隔最大使它有别与感知机, 核技巧使它成为实质上的非线性分类器. 统计学习方法有三要素, 对于支持向量机来说, 学习策略就是间隔最大化, 而优化方...

CS229机器学习笔记(十) - Learning Theory

这篇笔记介绍降维的直觉、PCA 的基本做法，以及为什么降维能帮助压缩数据和提升学习效率。

课程信息: 主页 Youtube 相关阅读:

课程信息: 主页 Youtube 相关阅读:

课程信息: 主页 Youtube 相关阅读:

课程信息: 主页 Youtube 参考资料: 《统计学习方法》 参考阅读:

这篇笔记梳理了生成学习算法、朴素贝叶斯和多项式事件模型，并对它们与判别学习的区别做了说明。

课程信息: 主页 Youtube 参考资料: 《统计学习方法》 参考阅读:

这篇笔记先介绍指数分布族，再继续梳理广义线性模型和 Softmax Regression 的基本形式与推导。

对数几率回归英文叫logistic regression，虽然它叫regression但它是用来解决分类问题的。有很多地方翻译成逻辑回归或者逻辑斯蒂回归。在周志华老师的《机器学习》中翻译成对数几率回归，这里我也使用这种翻译。对数几率回...

先下载了第一个Lecture Notes，对应第一个到第四个视频.由于已经有前面Coursera上Machine Learning的基础，所以在这里会省略一部分内容

CS229 机器学习笔记目录页，整理课程背景和各讲内容索引。

Coursera机器学习笔记(十八) - Photo OCR

在使用大量的数据之前, 我们应该现画出学习曲线, 这样可以帮助我们判断使用大量的数据是否会对我们的学习算法有帮助

下图是四位用户对于五部电影的评分（若用户没有评分, 则用❓表示）. 一些符号如下图右下角所示. 推荐系统就是通过已知的评分来判断未知的评分

这篇笔记介绍异常检测的基本思路，包括概率建模、阈值判断以及在高维特征场景中的使用方式。

在监督学习中, 我们的训练集包含标签, 如下图所示. 在无监督学习中, 训练集不含标签, 我们使用聚类算法来寻找数据集包含的特定结构. 如下图所示, 数据集可以分为两个不同的簇. 下图为聚类的一些应用

这篇笔记从 logistic regression 过渡到 SVM，整理了目标函数、间隔直觉和核函数的基本概念。

假设我们需要设计一个垃圾邮件分类器. 如下图所示, 左边为垃圾邮件, 右边为正常邮件. 如下图所示, 我们可以选择100个单词来表示是否是垃圾邮件. 例如, 含有\"deal\", \"buy\", \"discount\"等表示垃圾邮件, 含有...

假设我们现在正在研究预测房价问题, 当我们测试假设函数的时候, 我们发现其中存在着很大的误差. 那么我们下一步应该如和去debugg我们的学习算法？ 我们可以从如下几个角度去考虑去提升我们的算法:

这篇笔记继续梳理神经网络中的反向传播、误差项推导以及向量化表达。

这篇笔记介绍神经网络的基本表示方式，包括非线性分类、前向传播，以及用神经单元组合复杂决策边界的直觉。

记录 Andrew Ng 在课程中的一段分享，以及我当时整理的中文字幕。

如下图所示, 使用三种不同的多项式作为假设函数对数据进行拟合, 从左一和右一分别为过拟合和欠拟合. 对率回归: 解决过拟合问题大致分为两种, 一种是减少特征的数量, 可以人工选择一些比较重要的特征留下, 也可以使用模型选择算法(Mod...

前面的课程中提到了一些分类问题: 对于乳腺癌的那个例子, 数据集如下所示. 如果使用线性回归来处理这个问题, 我们可能得到这样一个假设函数: 然后我们设定一个阈值0.5, 当假设函数的输出大于这个阈值时我们预测y=1；当假设函数的...

读取矩阵A第1行和第3行的所有元素：

这篇笔记整理多变量线性回归、梯度下降、特征缩放以及正规方程在房价预测问题中的基本用法。

这一节我们来学习单变量的线性回归模型, 首先了解基本概念

Coursera 机器学习课程笔记目录页，整理从监督学习到 Photo OCR 的各周内容。

什么是监督学习? 我们来看看维基百科中给出的定义:

想想后面记笔时有那么多数学公式要处理我就方了°(°ˊДˋ°) ° 😂。还好今天研究了一下如何在博客中插入数学公式，发现有种使用起来既简单又高大尚的方法——MathJax, 哈哈😁。

一份机器学习学习资源清单，涵盖数学基础、Python、机器学习、深度学习和竞赛。