摘要：
本章主要通过一个应用实例——图片文字识别（Photo OCR），来讲解一个完整的机器学习问题中的相关概念。 Problem description and pipeline 本节主要讲解了什么是OCR，以及机器学习中流水线/管道（pipeline）的概念。 The Photo OCR problem 阅读全文
摘要：
本章主要讲解如何将大规模数据集运用到机器学习算法。 Learning with large datasets 从上面这幅图我们可以知道，数据集的规模往往比算法更重要，也就是说采用大数据量训练普通算法，效果也会比只拥有少量数据的优秀算法更好。 而大数据应用在机器学习算法上面最常见的问题就是运算量的问题 阅读全文
摘要：
本章主要讲解机器学习中的一个重要应用——推荐系统。 Problem formulation 本节课以预测电影评分为例，介绍了什么是推荐系统。 我们有5部电影和4个用户，要求用户从0-5对电影打分： 注：？表示用户没有打分的电影，也就是需要我们预测的电影。 前3部电影是爱情片，后2部电影是动作片，可以 阅读全文
摘要：
本章主要介绍异常检测（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。 Problem motivation 主要介绍了什么是异常检测，以及其应用。 Anomaly detec 阅读全文
摘要：
本章主要讲解第二类无监督学习问题——降维。 Motivation I: Data Compression 本节课主要讲解降维的第一个作用——数据压缩。 数据压缩不仅能够降低对内存或磁盘空间的占用，更重要的是能加快我们的学习算法。 假设我们有两个特征，$x_1$用厘米表示，$x_2$用英寸表示，显然这 阅读全文
摘要：
Unsupervised learning introduction 通过和监督学习进行对比，简单介绍了无监督学习。 在一个监督学习问题中，我们的训练集是有标签（y）的，我们需要据此训练假设函数，来拟合出一个决策边界。 而在无监督学习问题中，我们的训练集是没有任何标签的，我们需要算法自己从这些数据中 阅读全文
摘要：
本章主要讲解支持向量机算法，也是最后一个详细讲解的监督学习算法。 Optimization objective 从逻辑回归算法引入到支持向量机（SVM，support vector machine）算法，讲解了支持向量机的数学定义。 Alternative view of logistic regr 阅读全文
摘要：
本章主要讲解机器学习系统的设计，给出一些构建复杂机器学习系统的建议，可以在构建大型机器学习系统时节约时间。 Prioritizing what to work on: Spam classification example 本章以构建一个垃圾邮件分类器为例讲解机器学习系统设计。 下面有两封邮件，左边 阅读全文
摘要：
Deciding what to try next 本章节主要讲解了在应用机器学习时的一些建议，重点关注的问题是假如你在开发一个机器学习系统，或者尝试改进一个机器学习系统的性能，你应该如何决定接下来选择哪条道路。 Debugging a learning algorithm 为了解释这个问题，我们继 阅读全文
摘要：
本章主要讲解如何求解神经网络的权重（参数）。 Cost Function 主要讲解了神经网络的代价函数（分类问题中的）。 Neural Network(Classification) 引入一些标记方法方便后续讨论： 假设神经网络有$m$个训练样本，每个训练样本包含一组输入特征$x$和一组输出信号$y 阅读全文
摘要：
当我们的特征值太多，模型太复杂时，之前学习的线性回归和逻辑回归都会遇到计算负荷太大的问题，所以我们需要学习神经网络。 Non-linear Hypotheses 本节课程主要通过示例讲解了引入神经网络的实际意义。 之前的一个例子： 在这个例子中，由于我们只有$x_1$和$x_2$两个特征值，所以即使 阅读全文
摘要：
之前讲解了机器学习中的回归问题，本章节主要讲解了另外一类问题——分类问题。 Classification 本节课引入了机器学习的另外一类问题——分类问题。 分类问题的应用： Email: Spam / Not Spam? Online Transactions: Fraudulent (Yes / 阅读全文
摘要：
Martrices and Vectors 主要介绍矩阵和向量的概念。 Martrices 矩阵：矩形的数字阵列，通常用大写字母表示。 Matrix: Rectangular array of numbers. 矩阵的维数：行数 \(\times\) 列数 Dimension of matrix: 阅读全文
摘要：
Model Representation 主要介绍单变量线性回归算法，以及监督学习的流程。 假如我们想要预测房价，那么，我们需要做的一件事就是构建一个模型，也许是一条直线，这样我们就能够通过房子的大小来预测对应的房价。 在监督学习中我们有一个数据集，这个数据集被称为训练集（Training Set） 阅读全文
摘要：
Welcome 简单介绍了什么是机器学习，以及机器学习能做什么。 Machine Learning AI的一个领域 计算机的一种新能力 Examples： Database mining 由于自动化程序以及Web的发展，产生了大量的数据，所以需要机器学习从中挖掘出重要的信息。 Application 阅读全文