吴恩达机器学习笔记
关注
分享
扫一扫
文章平均质量分 96
-小透明-
记录自己的一些学习笔记。
展开
-
Machine Learning（吴恩达＜六＞异常检测和推荐系统)
问题动机异常检测问题的具体描述对于一个对于x建立的概率模型，如果一个新的测试数据小于某个阈值，就将其标记为异常；大于这个阈值，则认为是正常的。异常检测举例一些应用案例，最常见的：欺诈检测；另一个例子：工业生产领域、监测计算机可能出现的异常。高斯分布没错就是概率论里面学的正态分布。参数估计问题构建异常检测算法一个共有m个无标签训练集，训练集里每个样本是一个R^n维的特征向量。处理异常检测的方法是，用数据集建立起概率模型p(x)，试图解决出那些特.....原创 2022-01-02 16:25:49 · 1110 阅读 · 0 评论 -
Machine Learning（吴恩达＜五＞K-means和PCA)
无监督学习1--聚类什么是无监督学习？训练集只有x1，x2...,xi，没有标签y的数据。我们要将无标签的数据输入，然后让算法找到一些隐含在数据中的结构，把这些无标签的数据分成一簇一簇的，就是聚类算法(学习的第一个无监督学习的算法)。聚类有哪些应用？K-means算法语言表述步骤给定一组未加标签的数据集，希望有一个算法能够自动的讲这些数据分成有紧密关系的子集或簇。K-means算法 是目前比较热门，应用较多的算法之一。K-mean步骤：假如下图我想把数......原创 2021-11-21 20:36:56 · 1097 阅读 · 0 评论 -
Machine Learning（吴恩达＜四＞SVM）
目录支持向量机(SVM)优化目标直观上对"大间隔"的理解*大间隔分类器的数学原理向量内积的性质理解SVM 中的优化目标函数核函数1非线性分界线高斯核函数例子核函数2怎样选取标记点？如何使用简单的SVM怎么选择参数C(1/λ)与？使用SVM实现核函数输出多类别分类的判定边界逻辑回归vsSVM高斯内核的SVM应用ex6线性SVM--数据1非线性数据2数据集3使用SVM来构建垃圾邮件过滤器支持向量......原创 2021-11-20 22:28:19 · 1735 阅读 · 0 评论 -
Machine Learning（吴恩达＜三＞偏差与方差）
目录评估假设评价假设的标准方法模型选择和训练、验证、测试集模型选择问题诊断偏差与方差通过观察判断是偏差还是方差的问题正则化和偏差、方差如何选择正则化参数自动选择手动选择改变λ验证误差和训练误差会怎么变？学习曲线高偏差的情况高方差的情况以上提到的东西怎么帮助我们弄清取那些方法有助于改进？为神经网络选择结构或连接形式机器学习系统设计确定执行的优先级误差分析不对称性分类的误差估计偏斜类查准率与召回率的权衡......原创 2021-11-18 21:07:49 · 1699 阅读 · 0 评论 -
Machine Learning（吴恩达＜二＞）神经网络
神经网络非线性假设这个时候用线性回归是不能很好的去拟合，并且就算能拟合，表达式也会很复杂。计算机视觉中一个问题：假设你想用机器学习算法训练一个分类器，来检测图像，来判断图像是否是一辆汽车。对人来说，一看就知道；但对机器来说，是很艰难的一件事。因为，当人看一辆车时，计算机看到的是一个数据矩阵（或者说 一个表示像素强度值得网络）告诉我们图片中每个像素点的亮度值，计算机需要通过这些像素亮度值矩阵告诉我们这些数值代表一个什么（汽车把手）当我们要训练一个汽车分类器时，我们需要提供一个带..原创 2021-11-12 18:12:50 · 4184 阅读 · 0 评论 -
Machine Learning（吴恩达＜一＞线性回归与逻辑回归）
一、机器学习(ML）简介1. 人工智能、机器学习、深度学习的关系机器学习是人工智能的子领域，也是人工智能的核心。它囊括了几乎所有对世界影响最大的方法(包括深度学习)。机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。深度学习(DeepLearning，DL)属于机器学习的子类。它的灵感来源于人类大脑的工作方式，是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并非是一个全新的概念，可理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经..原创 2021-10-23 16:09:42 · 6010 阅读 · 0 评论