11 2017 档案
摘要：机器学习数学笔记|极大似然估计 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 极大似然估计 假设D是样本集合,A是参数集合,我们在D样本集固定的情况下,A取何值时,P(A|D)能取到最大. 我
阅读全文
摘要：机器学习数学笔记|大数定理中心极限定理矩估计 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 概率密度/概率分布函数 概率密度只是针对连续性变量而言，而分布函数是对所有随机变量取值的概率的讨论，
阅读全文
摘要：机器学习数学笔记|偏度与峰度及其python实现 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 矩 对于随机变量X,X的K阶原点矩为 X的K阶中心矩为 $$E([X
阅读全文
摘要：机器学习数学笔记|期望方差协方差矩阵 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 简单概率计算 Example1 我们的思路是,若A先到达则假设A是一条长1cm的线段.B出现的概率是一个点,
阅读全文
摘要：机器学习数学笔记|概率论基础常见概型分布期望与方差 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 概率论 对概率的认识,x表示一个事件,则P(x)表示事件发生的概率,其中不可能发生的事件P(x
阅读全文
摘要：机器学习数学笔记|Taylor展开式与拟牛顿 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 原创文章,如需转载请保留出处 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" Taylor 展式与拟牛顿 索引 taylor展式 计算函数值 解释g
阅读全文
摘要：机器学习数学笔记|微积分梯度jensen不等式 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 原创文章,如需转载请保留出处 本博客为七月在线邹博老师机器学习数学课程学习笔记 为七月在线打call!! "课程传送门" 索引 微积分,梯度和Jensen不等式 Taylor展开及其应用 常
阅读全文
摘要：[DeeplearningAI笔记]第三章2.9 2.10端到端学习 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 2.9 什么是端到端学习 What is End to end deeplearning 以前有一些数据处理系统或者学习系统,它们需要多个阶段
阅读全文
摘要：[DeeplearningAI笔记]第三章2.7 2.8多任务学习/迁移学习 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 2.7 迁移学习 Transfer Learninig 神经网络可以从一个任务中习得知识,并将这些知识应用到另一个独立的任务中.例如:
阅读全文
摘要：[DeeplearningAI笔记]第三章2.4 2.6不匹配的训练和开发/测试数据 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 2.4在不同分布上训练和测试数据 在深度学习时代,越来越多的团队使用和开发集/测试集不同分布的数据来训练模型.下面解释一些方法
阅读全文
摘要：觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 2.1 误差分析 训练出来的模型往往没有达到人类水平的效果,为了得到人类水平的结果,我们对原因进行分析,这个过程称为误差分析. 实例剖析 1. 例如此时你正在训练一个猫分类器,其中正确率为90%,这离目标有一定的
阅读全文
摘要：[DeeplearningAI笔记]第三章1.8 1.12可避免误差与模型改善 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 1.8 为什么是人的表现 今天，机器学习算法可以与人类水平的表现性能竞争，因为它们在很多应用程序中更有生产力和更可行。并且设计和构建机器学习系统的工作流程都比
阅读全文
