09 2018 档案
摘要：转自 https://blog.csdn.net/ping523/article/details/54135228 commentBox 之前按照网络上搜罗的教程安装了python mysql（1.2.3），可是项目需要的是1.2.5，需要更新，然而，一个简单的pip install upgrade
阅读全文
摘要：SourceTree使用SSH克隆码云项目 觉得有用的话,欢迎一起讨论相互学习~ SourceTree使用SSH克隆码云项目 参考文献 https://blog.csdn.net/qing666888/article/details/79513089 一、HTTPS和SSH克隆方式的区别 HTTPS
阅读全文
摘要：16.推荐系统 Recommender System 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.5 向量化：低秩矩阵分解Vectorization_ Low Rank Matrix Factorization
阅读全文
摘要：16.推荐系统 Recommender System 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 16.3 协同过滤Collaborative filtering 推荐系统有一个很有意思的特性就是 特征学习 ，即 自
阅读全文
摘要：16.推荐系统 Recommender System 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 16.1 问题形式化Problem Formulation 推荐系统的改善能为公司带来巨大的收益 [以下为Andrew Ng的原话]第一、仅仅因为它是机器学习中的一个重要的应用。在过去几
阅读全文
摘要：15.异常检测 Anomaly detection 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 15.7-8 多变量高斯分布/使用多元高斯分布进行异常检测 -Multivariate Gaussian distrib
阅读全文
摘要：#如何求协方差矩阵 觉得有用的话,欢迎一起讨论相互学习~ 转载自：https://blog.csdn.net/kuang_liu/article/details/16369475 非常感谢 1. 协方差定义 X、Y 是两个随机变量，X、Y 的协方差 cov(X, Y) 定义为： 其中： 、 2. 协
阅读全文
摘要：15.异常检测 Anomaly detection 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 15.4开发和评价一个异常检测系统 Developing and Evaluating an Anomaly Detec
阅读全文
摘要：15.异常检测 Anomaly detection 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 15.1问题动机 Problem motivation 飞机引擎异常检测 假想你是一个飞机引擎制造商，当你生产的飞机引擎
阅读全文
摘要：14.降维 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 14.5重建压缩表示 Reconstruction from Compressed Representation 使用PCA，可以把 1000 维的数据压缩到1
阅读全文
摘要：14.降维 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 14.3主成分分析原理Proncipal Component Analysis Problem Formulation 主成分分析（PCA）是最常见的降维算法
阅读全文
摘要：14.降维 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 14.1动机一：数据压缩 降维 也是一种无监督学习的方法，降维并不需要使用数据的标签。 降维 的其中一个目的是 数据压缩，数据压缩不仅能够压缩数据，使用较少的计
阅读全文
摘要：13.聚类 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 13.1无监督学习简介 从监督学习到无监督学习 在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界，在监督学习中，我们有一系列标签，我们需要据此拟合一个假设函数： 与此不同的是，在
阅读全文
摘要：12.支持向量机 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 12.6SVM总结 推荐使用成熟的软件包 用以解决 SVM 最优化问题的软件很复杂，且已经有研究者做了很多年数值优化。因此强烈建议使用高优化软件库中的一个，而不是尝试自己落实一些框架。有许多好的软件库，NG用得最多的两个是
阅读全文
摘要：12.支持向量机 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.5 SVM参数细节 标记点选取 标记点(landmark)如图所示为,设核函数为 高斯函数 ，其中
阅读全文
摘要：12.支持向量机 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 12.4 核函数与标记点- Kernels and landmarks 问题引入 如果你有以下的训练集，然后想去拟合其能够分开正负样本的非线性判别边界。 一种办法是构造一个复杂多项式特征的集合： $$h_{\theta}(
阅读全文
摘要：12.支持向量机 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.3 大间距分类背后的数学原理- Mathematics Behind Large Margin classification 向量内积 假设有两个向
阅读全文
摘要：12.支持向量机 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.2 大间距的直观理解- Large Margin Intuition 人们有时将支持向量机看作是大间距分类器。在这一部分，我将介绍其中的含义，这有助
阅读全文
摘要：12.支持向量机 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 12.1 SVM损失函数 从逻辑回归到支持向量机 为了描述支持向量机，事实上，我将会从逻辑回归开始展示我们如何一点一点修改来得到本质上的支持向量机。 逻辑
阅读全文
摘要：11. 机器学习系统的设计 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.5 数据量对机器学习的影响 Data For Machine Learning 问题引入 很多很多年前，我认识的两位研究人员 Michel
阅读全文
摘要：11. 机器学习系统的设计 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 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.3 偏斜类的误差度量 Error Metrics for Skewed Classes 偏斜类 Skewed Classes 类偏斜情况表
阅读全文
摘要：5.3序列模型与注意力机制 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 3.9语音辨识 Speech recognition 问题描述 对于音频片段(audio clip)x ,y生成文本(transcript)，人听见的或者麦克风捕捉的都是空气中细微的气压变化，语音识别系统能够根据
阅读全文
摘要：5.3序列模型与注意力机制 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 3.7注意力模型直观理解Attention model intuition 长序列问题 The problem of long sequences 对于给定的长序列的法语句子，在下图中的网络中，绿色的编码器读取整
阅读全文
摘要：5.3序列模型与注意力机制 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 3.6Bleu得分 在机器翻译中往往对应有多种翻译，而且同样好，此时怎样评估一个机器翻译系统是一个难题。 常见的解决方法是通过BLEU得分来进行判断 评价机器翻译Evaluating machine transl
阅读全文
