随笔分类 -  机器学习 / 吴恩达

机器学习 吴恩达 第十七章 笔记
摘要：# 十七、应用实例：图片文字识别(Application Example: Photo OCR) ## 17.1 问题描述和OCR 照片OCR实际是照片光学字符识别.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. ![image](https://i 阅读全文
posted @ 2023-02-28 22:16 acmloser 阅读(23) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十六章 笔记
摘要：# 十六、大规模机器学习(Large Scale Machine Learning) ## 16.1 大型数据集的学习 如果我们有一个低偏差的模型,增加数据集的规模可以帮助你获得更好的结果.但是,大部分大数据集学习都有一个计算问题. 以线性回归模型为例,假如我们有一亿样本,每一次梯度下降迭代,我们都 阅读全文
posted @ 2023-02-28 01:32 acmloser 阅读(29) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十五章 笔记
摘要：# 十五、推荐系统(Recommender Systems) ## 15.1 问题形式化 我们从一个例子开始定义推荐系统的问题: 假使我们是一个电影供应商,我们有 5 部电影和 4 个用户,我们要求用户为电影打分. ![image](https://img2023.cnblogs.com/blog/ 阅读全文
posted @ 2023-02-25 22:25 acmloser 阅读(30) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十四章 笔记
摘要：# 十四、异常检测(Anomaly Detection) ## 14.1 问题的动机 在接下来的小节里,我将大家介绍异常检测(Anomaly detection)问题.这是机器学习算法的一个常见应用.这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题 阅读全文
posted @ 2023-02-24 11:52 acmloser 阅读(33) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十三章 笔记
摘要：# 十三、降维(Dimensionality Reduction) ## 13.1 目标一:数据压缩 本节讨论第二类无监督学习问题,降维.有几个不同的的原因使你可能想要做降维,一是数据压缩.数据压缩不仅允许我们压缩数据,从而使用较少的计算机内存或磁盘空间,它也让我们加快我们的学习算法. 那么,什么是 阅读全文
posted @ 2023-02-18 22:22 acmloser 阅读(49) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十二章 笔记
摘要：# 十二、聚类(Clustering) ## 12.1 无监督学习 从本节开始,我们开始学习无监督学习,我们将要让计算机学习无标签数据,而不是此前的标签数据. 那么,什么是非监督学习呢?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,在这里的监督学 阅读全文
posted @ 2023-02-17 21:55 acmloser 阅读(27) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十一章 笔记
摘要：# 十一、支持向量机(Support Vector Machines) ## 11.1 优化目标 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学习算法A还是学习算法B,而更重要的是,应用这些算法时,所创建的大量数据在应用这些算法 阅读全文
posted @ 2023-02-14 19:14 acmloser 阅读(60) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第十章 笔记
摘要：# 十、机器学习系统的设计(Machine Learning System Design) ## 11.1 确定执行的优先级 在接下来的视频中,我将谈到机器学习系统的设计.这些视频将谈及在设计复杂的机器学习系统时,你将遇到的主要问题.同时我们会试着给出一些关于如何巧妙构建一个复杂的机器学习系统的建议 阅读全文
posted @ 2023-02-07 02:37 acmloser 阅读(53) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第九章 笔记
摘要：# 九、应用机器学习的建议(Advice for Applying Machine Learning) ## 9.1 决定下一步做什么 确保你在设计机器学习的系统时，你能够明白怎样选择一条最合适、最正确的道路。因此，在这节视频和之后的几段视频中，我将向你介绍一些实用的建议和指导，帮助你明白怎样进行选 阅读全文
posted @ 2023-01-30 02:40 acmloser 阅读(88) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第八章 笔记
摘要：# 八、神经网络的学习(Neural Networks: Learning) 在本节,我们学习一个新的神经网络算法.它能在给定训练集的同时,为神经网络拟合参数.与其他算法一样,我们从代价函数开始. ## 8.1 代价函数 首先引入一些便于稍后讨论的新标记方法: 假设神经网络的训练样本有m个,每个 阅读全文
posted @ 2023-01-19 02:10 acmloser 阅读(37) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第七章 笔记
摘要：# 七、神经网络：表述(Neural Networks: Representation) ## 7.1 非线性假设 &emsp假设有一个监督学习的训练集如下所示: ![image](https://img2023.cnblogs.com/blog/2264614/202301/2264614-202 阅读全文
posted @ 2023-01-15 02:30 acmloser 阅读(38) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第六章 笔记
摘要：# 六、正则化(Regularization) ## 6.1 过拟合问题 到现在为止,我们已经学习了几种不同的学习算法,包括线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过拟合(`over-fitting`)的问题,可能会导致它们效果很差. 在本节 阅读全文
posted @ 2023-01-12 16:02 acmloser 阅读(57) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第五章 笔记
摘要：# 五、逻辑回归(Logistic Regression) ## 5.1 分类问题 在接下来的几节里,我想讨论要预测的变量y是一个离散值的分类问题.接下来就是讨论逻辑回归算法. 在分类问题中,我们尝试预测的是结果是否属于某一个类(例如正确或错误).分类问题的例子有:判断一封电子邮件是否是垃圾邮件 阅读全文
posted @ 2023-01-11 00:39 acmloser 阅读(56) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第四章 笔记
摘要：# 四、多变量线性回归(Linear Regression with Multiple Variables) 在本章节,我们要讨论一种新的线性回归形式.这种形式适用于多个变量(或者说多特征量).在我们之前讨论的线性回归,我们只有一个特征量(房屋面积),我们必须用此特征量来预测房屋价格.但现在我们有多 阅读全文
posted @ 2023-01-08 19:50 acmloser 阅读(72) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第三章 笔记
摘要：# 三、线性代数回顾(Linear Algebra Review) ## 3.1 矩阵与向量 矩阵的维数 = 矩阵的行数 × 矩阵的列数 有时会用`R`表示矩阵,而R4×2表示所有4×2的矩阵的集合 我们用Aij表示第i行第j列. 阅读全文
posted @ 2023-01-08 02:50 acmloser 阅读(74) 评论(0) 推荐(0) 编辑
机器学习 吴恩达 第二章 笔记
摘要：# 2. 单变量线性回归(Linear Regression with One Variable) 文字部分来自这位大佬的[字幕合集](http://www.ai-start.com/ml2014/html/week1.html#header-n178) ## 2.1 模型表示 我们的第一个学习算法 阅读全文
posted @ 2023-01-06 01:17 acmloser 阅读(67) 评论(0) 推荐(0) 编辑
机器学习 吴恩达2022 第一章 笔记
摘要：# 1.第一周 **这篇笔记很多源自[这位大佬](http://www.ai-start.com/ml2014/html/week1.html),我实在是打不出这么多字(.)** ## 1.1 什么是机器学习 机器学习是什么？在本视频中，我们会尝试着进行定义，同时让你懂得何时会使用机器学习。实际上， 阅读全文
posted @ 2023-01-05 14:27 acmloser 阅读(172) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示