摘要：
总结(Conclusion) 总结和致谢(Summary and Thank You) 欢迎来到《机器学习》课的最后一段视频。我们已经一起学习很长一段时间了。在最后这段视频中，我想快速地回顾一下这门课的主要内容，然后简单说几句想说的话。 作为这门课的结束时间，那么我们学到了些什么呢？在这门课中，我们 阅读全文
摘要：
应用实例：图片文字识别(Application Example: Photo OCR) 问题描述和流程图(Problem Description and Pipeline) 图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。 为了完成这样的工作，需要采取 阅读全文
摘要：
大规模机器学习(Large Scale Machine Learning) 大型数据集的学习(Learning With Large Datasets) 如果你回顾一下最近5年或10年的机器学习历史。学习算法现在比5年前更好地工作的原因之一就是我们现在拥有了大量的数据，可以用来训练我们的算法。那么为 阅读全文
摘要：
推荐系统(Recommender Systems) 问题阐述(Problem Formulation) 将 推荐系统 纳入这门课程来讲有以下两个原因： 第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年，我偶尔访问硅谷不同的技术公司，我常和工作在这儿致力于机器学习应用的人们聊天，我常问他们，最 阅读全文
摘要：
异常检测（Anomaly Detection） 问题的动机 （Problem Motivation） 异常检测( Anomaly detection )问题是机器学习算法中的一个常见应用。这种算法的有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又和监督学习问题非常类似。 举例说明什么 阅读全文
摘要：
降维(Dimensionality Reduction) 动机一：数据压缩(Motivation I : Data Compression) 数据压缩允许我们压缩数据，从而使用较少的计算机内存或磁盘空间，还会加快算法的学习速度。 下面举例说明下降维是什么？ 在工业上，往往有成百上千个特征。比如，可能 阅读全文
摘要：
聚类(Clustering) 非监督学习：简介（Unsupervised Learning: Introduction） 本章节介绍聚类算法，这是我们学习的第一个非监督学习算法——学习无标签数据，而不是此前的有标签数据。 什么是非监督学习？与监督学习对比 ，有标签的训练集，目标是找到区分正负样本的决 阅读全文
摘要：
支持向量机(Support Vector Machines) 优化目标(Optimization Objective) 到目前为止,你已经见过一系列不同的学习算法。在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用算法 A 还是算法 B ，其实一个算法的表现通常依赖于你的水平。 阅读全文
摘要：
机器学习诊断（Machine learning diagnostic） Diagnostic : A test that you can run to gain insight what is / isn't working with a learning algorithm, and gain g 阅读全文
摘要：
前馈神经网络（Feedforward Neural Network BP） 常见的前馈神经网络 感知器网络 感知器（又叫感知机）是最简单的前馈网络，它主要用于模式分类，也可用在基于模式分类的学习控制和多模态控制中。感知器网络可分为单层感知器网络和多层感知器网络。 BP网络 BP网络是指连接权调整采用 阅读全文
摘要：
正则化（Regularization Solving the Problem of Overfitting） 欠拟合(高偏差) VS 过度拟合(高方差) Underfitting, or high bias, is when the form of our hypothesis function h 阅读全文
摘要：
逻辑回归（Logistic Regression） 假设函数（Hypothesis Function） $h_\theta(x)=g(\theta^Tx)=g(z)=\frac{1}{1+e^{ z}}=\frac{1}{1+e^{\theta^Tx}}$ g函数称为 Sigmoid Functio 阅读全文
摘要：
线性回归（Linear Regression with One / Multiple Variable） 定义符号（Symbol Definition） m = 数据集中训练样本的数量 n = 特征的数量 x = 输入变量 / 特征 y = 输出变量 / 目标变量 (x, y) 表示一个训练样本 $ 阅读全文
摘要：
Jupyter notebook 安装 为了更加方便地写 Python 代码，还需要安装 Jupyter notebook。 利用 pip 安装 Jupyter notebook。 为什么要使用 Jupyter？参考： https://www.zhihu.com/question/37490497 阅读全文