dialoal的博客

毫无疑问，难度越来越大了，首先我们得复习相关概念：1、导数（变化率）与微分 （变化量）2、数学里的 e 为什么叫做自然底数？3、女神的文章必不可少剩下的必须慢慢啃了。总之，本章要完全理解我觉得不太可能，但必须能明白nnCostFunction里的每一步。代码如下：function [J grad] = nnCostFunction(nn_params, ...

环境：windows71、请使用Octave上机，即使你修复了程序bug，在matlab也无法提交。2、有问题先找讨论组：https://www.coursera.org/learn/machine-learning/discussions，有众多大神贴心解答。3、俺的作业详见http://pan.baidu.com/s/1kUr9AVd 。明显有很初级的地方请指教。 我前前后后整了一周多，明白只有真正自己做出来的人才知道收获多少，因此不要轻易去看“答案”哦

从本周开始难度明显加大，必须理解概率论的一些基本概念和公式。还好牛人们已经做了详细解答。以下是对我们学习非常有帮助的资源：一、Logistic回归总结二、概率论03 条件概率三、最大似然估计(Maximum likelihood estimation)四、Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Re

本周开始学习大名鼎鼎的神经网络，赶脚忽然高大上了有木有，一键识别直男腐女，想想都醉了。话不多说，本期作业要点：

1、如何评估算法好坏：高偏差与高方差的问题；2、当某个集合中，一个类别远小于另一个类别的时候（如患癌），如何评估在面对偏斜类(Skewed classes)的算法好坏：查准率和召回率；3、如何选择一个好的阀值：F1 = 2 * (P*R / (P+R))；4、如何选择一个好的算法：头脑风暴，快速试错（好熟悉的赶脚），足够的属性值（消除偏差）加足够的数据量（消除方差）。

大过年了，趁值班的清闲拾光多学点算法。这一周是流弊哄哄的SVM（支持向量机）算法。没有女神的解读根本看不懂视频啊。有几个点：1、女神说：“y=1时，随着z↑，h(x)逐渐逼近1，cost逐渐减小。” 这里h(x)是指sigmoid函数逼近于1，cost1函数逼近于0。2、这张图，前面提到C一般设的很大，但C非常大的时候，反而会被很少的异常点所影响，从黑线变到粉线。所以C要设的大，但又不