马小豆包 - 博客园

2018年11月12日

摘要： ZooKeeper 基础在深入了解ZooKeeper的运作之前，让我们来看看ZooKeeper的基本概念。[1] 我们将在本章中讨论以下主题：1、Architecture（架构）2、Hierarchical namespace（层次命名空间）3、Session（会话）4、Watch（监视） Zoo 阅读全文

posted @ 2018-11-12 23:08 马小豆包阅读(3402) 评论(0) 推荐(0) 编辑

【原】Zookeeper 概述 + 官网 Overview 翻译

摘要：分布式应用分布式应用 distributed application 可以在给定时间（同时）在网络中的多个系统上运行，通过协调它们以快速有效的方式完成特定任务。 (a), (b): a distributed system. (c): a parallel system. 通过将分布式应用配置为在阅读全文

posted @ 2018-11-12 17:49 马小豆包阅读(290) 评论(0) 推荐(0) 编辑

2018年11月10日

【原】Coursera—Andrew Ng机器学习—编程作业 Programming Exercise 3—多分类逻辑回归和神经网络

摘要：作业说明 Exercise 3，Week 4，使用Octave实现图片中手写数字 0-9 的识别，采用两种方式（1）多分类逻辑回归（2）多分类神经网络。对比结果。（1）多分类逻辑回归：实现 lrCostFunction 计算代价和梯度。实现 OneVsAll 使用 fmincg 函数进行训练。使用阅读全文

posted @ 2018-11-10 16:38 马小豆包阅读(3561) 评论(1) 推荐(0) 编辑

2018年11月6日

【原】Coursera—Andrew Ng机器学习—Week 4 习题—Neural Networks 神经网络

摘要：【1】 Answer：C 【2】 Answer：D 第二层要输出四个元素a1 a2 a3 a4。输入x有两个，加一个x0是三个。所以是4 * 3 【3】 Answer：C 【4】 Answer：C 【5】 Answer：A 相当于x1==0&&x2==0 【6】 Answer：C 10个类别，输出层阅读全文

posted @ 2018-11-06 19:41 马小豆包阅读(2364) 评论(0) 推荐(0) 编辑

2018年11月5日

林轩田《机器学习基石》简介

摘要：转：https://blog.csdn.net/red_stone1/article/details/80517672 课程介绍台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程：《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多阅读全文

posted @ 2018-11-05 15:20 马小豆包阅读(1112) 评论(0) 推荐(0) 编辑

2018年11月2日

斯坦福CS229机器学习课程笔记 part3：广义线性模型 Greneralized Linear Models (GLMs)

摘要：指数分布族 The exponential family 因为广义线性模型是围绕指数分布族的。大多数常用分布都属于指数分布族，服从指数分布族的条件是概率分布可以写成如下形式： η 被称作自然参数(natural parameter），或正则参数canonical parameter)，它是指数分布族阅读全文

posted @ 2018-11-02 14:58 马小豆包阅读(987) 评论(0) 推荐(0) 编辑

斯坦福CS229机器学习课程笔记 part2：分类和逻辑回归 Classificatiion and logistic regression

摘要： Logistic Regression 逻辑回归 1.模型逻辑回归解决的是分类问题，并且是二元分类问题(binary classification)，y只有0，1两个取值。对于分类问题使用线性回归不行，因为直线无法将样本正确分类。 1.1 Sigmoid Function 因为 y∈{0,1}，我阅读全文

posted @ 2018-11-02 14:46 马小豆包阅读(579) 评论(0) 推荐(0) 编辑

斯坦福CS229机器学习课程笔记 Part1：线性回归 Linear Regression

摘要：机器学习三要素机器学习的三要素为：模型、策略、算法。模型：就是所要学习的条件概率分布或决策函数。线性回归模型策略：按照什么样的准则学习或选择最优的模型。最小化均方误差，即所谓的 least-squares(在spss里线性回归对应的模块就叫OLS即Ordinary Least Squares) 阅读全文

posted @ 2018-11-02 12:33 马小豆包阅读(1472) 评论(0) 推荐(0) 编辑

2018年10月31日

【原】Coursera—Andrew Ng机器学习—编程作业 Programming Exercise 2——逻辑回归

摘要：作业说明 Exercise 2，Week 3，使用Octave实现逻辑回归模型。数据集 ex2data1.txt ，ex2data2.txt 实现 Sigmoid 、代价函数计算Computing Cost 和梯度下降Gradient Descent。文件清单 ex2.m - Octave/MA 阅读全文

posted @ 2018-10-31 15:52 马小豆包阅读(3482) 评论(1) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 8_Neural Networks Representation 神经网络的表述

摘要：神经网络是一种受大脑工作原理启发的模式。它在许多应用中广泛使用：当您的手机解释并理解您的语音命令时，很可能是神经网络正在帮助理解您的语音; 当您兑现支票时，自动读取数字的机器也使用神经网络。 8.1 非线性假设 Non-linear Classification 参考视频 : 8 - 1 - No 阅读全文

posted @ 2018-10-31 10:09 马小豆包阅读(3590) 评论(0) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 7 Regularization 正则化

摘要： Lecture7　Regularization 正则化 7.1 过拟合问题 The Problem of Overfitting7.2 代价函数 Cost Function7.3 正则化线性回归 Regularized Linear Regression7.4 正则化的逻辑回归模型 Regulari 阅读全文

posted @ 2018-10-31 08:53 马小豆包阅读(3048) 评论(0) 推荐(0) 编辑

2018年10月30日

【原】Coursera—Andrew Ng机器学习—Week 3 习题—Logistic Regression 逻辑回归

摘要：课上习题【1】线性回归 Answer： D A 特征缩放不起作用，B for all 不对，C zero error不对【2】概率 Answer：A 【3】预测图形 Answer：A 5 - x1 ≥ 0时，y = 1。即x1 ≤ 5时，y = 1 【4】凸函数【5】代价函数 Answer：A 阅读全文

posted @ 2018-10-30 20:22 马小豆包阅读(4799) 评论(0) 推荐(1) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 6_Logistic Regression 逻辑回归

摘要： Lecture6　Logistic Regression 逻辑回归 6.1 分类问题 Classification6.2 假设表示 Hypothesis Representation6.3 决策边界 Decision Boundary6.4 代价函数 Cost Function6.5 简化的代价函数阅读全文

posted @ 2018-10-30 19:53 马小豆包阅读(4870) 评论(1) 推荐(1) 编辑

【原】Coursera—Andrew Ng机器学习—编程作业 Programming Exercise 1 线性回归

摘要：作业说明 Exercise 1，Week 2，使用Octave实现线性回归模型。数据集 ex1data1.txt ，ex1data2.txt 单变量线性回归必须实现，实现代价函数计算Computing Cost 和梯度下降Gradient Descent。多变量线性回归可选，实现特征Featu 阅读全文

posted @ 2018-10-30 09:38 马小豆包阅读(7489) 评论(1) 推荐(0) 编辑

2018年10月29日

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial—5.6 向量化 Vectorization

摘要： 5.6 向量化 Vectorization 参考视频: 5 - 6 - Vectorization (14 min).mkv 下面是向量化的小例子，如果将所有u(j) 、所有v(j)、所有w(j)都看成列向量，则公式变为为向量加法 u = 2v + 5w 再复杂一些，在线性回归中 h(x) 的公式如阅读全文

posted @ 2018-10-29 21:21 马小豆包阅读(693) 评论(0) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial—5.5 控制语句： for， while， if 语句

摘要： 5.5 控制语句： for， while， if 语句参考视频: 5 - 5 - Control Statements_ for, while, if statements (13 min).mkv 定义函数 squareThisNumber(x)，内容如下：将函数保存为squarethisnu 阅读全文

posted @ 2018-10-29 20:52 马小豆包阅读(565) 评论(0) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial—5.4 绘制数据图

摘要： 5.4 绘制数据图参考视频: 5 - 4 - Plotting Data (10 min) 5.4.1 绘制曲线 2、画一个cos曲线绘制多张图，需要指定将哪个曲线放在哪个图中。否则会一直绘制在当前窗口，覆盖之前的图形点击一下第一张图片，再运行一下上面那行代码，图变为： 5.4.2 绘制可视化阅读全文

posted @ 2018-10-29 16:41 马小豆包阅读(522) 评论(0) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial

摘要： Lecture 5 Octave教程 5.1 基本操作 Basic Operations 5.2 移动数据 Moving Data Around 5.3 计算数据 Computing on Data 5.4 绘制数据图 Plotting Data 5.5 控制语句： for， while， if 语阅读全文

posted @ 2018-10-29 12:12 马小豆包阅读(2769) 评论(0) 推荐(0) 编辑

2018年10月28日

解决 Python 连不上pip库的问题（使用国内镜像地址）

摘要：经常在使用python的时候需要安装各种模块，而pip是很强大的模块安装工具，但是由于国外官方pypi经常被墙，导致不可用，所以我们最好是将自己使用的pip源更换一下，这样就能解决被墙导致的装不上库的烦恼。网上有很多可用的源，例如豆瓣：http://pypi.douban.com/simple/，阅读全文

posted @ 2018-10-28 18:20 马小豆包阅读(9034) 评论(1) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—Week 2 习题—Linear Regression with Multiple Variables 多变量线性回归

摘要： Gradient Descent for Multiple Variables 【1】多变量线性模型代价函数 Answer：AB 【2】Feature Scaling 特征缩放 Answer：D 【3】学习速率 α Answer： B，因为第一个比第二个下降的快。第三个上升说明α太大【4】Mea 阅读全文

posted @ 2018-10-28 18:02 马小豆包阅读(4208) 评论(0) 推荐(0) 编辑

【原】Coursera—Andrew Ng机器学习—Week 1 习题—Linear Regression with One Variable 单变量线性回归

摘要： Question 1 Consider the problem of predicting how well a student does in her second year of college/university, given how well she did in her first ye 阅读全文

posted @ 2018-10-28 15:41 马小豆包阅读(7531) 评论(0) 推荐(0) 编辑

2018年10月27日

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 4_Linear Regression with Multiple Variables 多变量线性回归

摘要： Lecture 4 Linear Regression with Multiple Variables 多变量线性回归 4.1 多维特征 Multiple Features4.2 多变量梯度下降 Gradient Descent for Multiple Variables4.3 梯度下降法实践 1 阅读全文

posted @ 2018-10-27 20:38 马小豆包阅读(4925) 评论(2) 推荐(1) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 3_Linear Algebra Review

摘要： Lecture3 Linear Algebra Review 线性代数回顾 3.1 矩阵和向量3.2 加法和标量乘法3.3 矩阵向量乘法3.4 矩阵乘法3.5 矩阵乘法的性质3.6 逆、转置 3.1 矩阵和向量参考视频: 3 - 1 - Matrices and Vectors (9 min).m 阅读全文

posted @ 2018-10-27 18:21 马小豆包阅读(3066) 评论(0) 推荐(1) 编辑

2018年10月26日

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 2_Linear regression with one variable 单变量线性回归

摘要： Lecture2 Linear regression with one variable 单变量线性回归 2.1 模型表示 Model Representation 2.1.1 线性回归 Linear regression 2.1.2 单变量线性回归 Linear regression with o 阅读全文

posted @ 2018-10-26 17:53 马小豆包阅读(7234) 评论(2) 推荐(4) 编辑

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 1_Introduction and Basic Concepts 介绍和基本概念

摘要：目录 1.1 欢迎1.2 机器学习是什么 1.2.1 机器学习定义 1.2.2 机器学习算法 - Supervised learning 监督学习 - Unsupervised learning 无监督学习 - Reinforcement learning 强化学习 - Recommender sy 阅读全文

posted @ 2018-10-26 16:17 马小豆包阅读(7373) 评论(0) 推荐(1) 编辑