WUST许志伟 - 博客园

2018年9月12日

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

posted @ 2018-09-12 21:43 WUST许志伟阅读(847) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]16推荐系统3-4协同过滤算法

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

posted @ 2018-09-12 20:16 WUST许志伟阅读(473) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]16推荐系统1-2基于内容的推荐系统

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

posted @ 2018-09-12 16:38 WUST许志伟阅读(971) 评论(0) 推荐(0) 编辑

2018年9月11日

[吴恩达机器学习笔记]15非监督学习异常检测7-8使用多元高斯分布进行异常检测

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

posted @ 2018-09-11 18:30 WUST许志伟阅读(424) 评论(0) 推荐(0) 编辑

如何求协方差矩阵[转载]

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

posted @ 2018-09-11 17:07 WUST许志伟阅读(2853) 评论(0) 推荐(1) 编辑

[吴恩达机器学习笔记]15非监督学习异常检测4-6构建与评价异常检测系统

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

posted @ 2018-09-11 15:45 WUST许志伟阅读(506) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]15.1-3非监督学习异常检测算法/高斯回回归模型

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

posted @ 2018-09-11 12:12 WUST许志伟阅读(505) 评论(0) 推荐(0) 编辑

2018年9月9日

[吴恩达机器学习笔记]14降维5-7重建压缩表示/主成分数量选取/PCA应用误区

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

posted @ 2018-09-09 20:06 WUST许志伟阅读(1494) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]14降维3-4PCA算法原理

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

posted @ 2018-09-09 17:35 WUST许志伟阅读(586) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]14降维1-2降维的应用数据压缩与数据可视化

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

posted @ 2018-09-09 15:11 WUST许志伟阅读(695) 评论(0) 推荐(0) 编辑

2018年9月8日

[吴恩达机器学习笔记]13聚类K-means

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

posted @ 2018-09-08 21:17 WUST许志伟阅读(1112) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]12支持向量机6SVM总结

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

posted @ 2018-09-08 10:45 WUST许志伟阅读(386) 评论(0) 推荐(0) 编辑

2018年9月7日

[吴恩达机器学习笔记]12支持向量机5SVM参数细节

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$l^{(1)},l^{(2)},l^{(3)}$,设核函数为高斯函数，其中阅读全文

posted @ 2018-09-07 21:01 WUST许志伟阅读(1084) 评论(0) 推荐(0) 编辑

2018年9月6日

[吴恩达机器学习笔记]12支持向量机4核函数和标记点kernels and landmark

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

posted @ 2018-09-06 22:02 WUST许志伟阅读(773) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]12支持向量机3SVM大间距分类的数学解释

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

posted @ 2018-09-06 18:48 WUST许志伟阅读(798) 评论(0) 推荐(0) 编辑

2018年9月5日

[吴恩达机器学习笔记]12支持向量机2 SVM的正则化参数和决策间距

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

posted @ 2018-09-05 17:07 WUST许志伟阅读(2326) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]12支持向量机1从逻辑回归到SVM/SVM的损失函数

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

posted @ 2018-09-05 10:58 WUST许志伟阅读(2543) 评论(0) 推荐(0) 编辑

2018年9月4日

[吴恩达机器学习笔记]11机器学习系统设计5数据量对机器学习的影响

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

posted @ 2018-09-04 22:42 WUST许志伟阅读(1031) 评论(0) 推荐(0) 编辑

[吴恩达机器学习笔记]11机器学习系统设计3-4/查全率/查准率/F1分数

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

posted @ 2018-09-04 20:31 WUST许志伟阅读(665) 评论(0) 推荐(0) 编辑

2018年9月3日

[DeeplearningAI笔记]序列模型3.9-3.10语音辨识/CTC损失函数/触发字检测

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

posted @ 2018-09-03 21:33 WUST许志伟阅读(721) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型3.7-3.8注意力模型

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

posted @ 2018-09-03 16:45 WUST许志伟阅读(581) 评论(0) 推荐(0) 编辑

2018年9月1日

[DeeplearningAI笔记]序列模型3.6Bleu得分/机器翻译得分指标

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

posted @ 2018-09-01 11:20 WUST许志伟阅读(546) 评论(0) 推荐(0) 编辑

2018年8月31日

[DeeplearningAI笔记]序列模型3.3-3.5集束搜索

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 3.3 集束搜索Beam Search 对于机器翻译来说，给定输入的句子，会返回一个随机的英语翻译结果，但是你想要一个最好的英语翻译结果。对于语音识别也是一样，给定一个输入的语音片段，你不会想要一个随机的文本翻译阅读全文

posted @ 2018-08-31 15:22 WUST许志伟阅读(1162) 评论(0) 推荐(0) 编辑

2018年8月30日

[DeeplearningAI笔记]序列模型3.2有条件的语言模型与贪心搜索的不可行性

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 3.2选择最可能的句子 Picking the most likely sentence condition language model 有条件的语言模型对于语言模型，能够估计出这些单词是一个句子的可能性阅读全文

posted @ 2018-08-30 20:27 WUST许志伟阅读(434) 评论(0) 推荐(0) 编辑

[DeeplearningAI笔记]序列模型3.1基本的 Seq2Seq /image to Seq

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 3.1基础模型 [1] Sutskever I, Vinyals O, Le Q V. Sequence to Sequence Learning with Neural Networks[J]. 2014, 4 阅读全文

posted @ 2018-08-30 15:41 WUST许志伟阅读(486) 评论(0) 推荐(0) 编辑

cloud&ken

公告