Machine Learning
关注
分享
扫一扫
文章平均质量分 85
Try_You_Can
这个作者很懒，什么都没留下…
展开
-
Linear Regression Exercise
线性回归，是利用一个或多个自变量和因变量的关系，进行的最小平方和函数的建模。本文是最简单的二元线性回归问题的解决。理论文档参考：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLearning&doc=exercises/ex2/ex2.html。训练数据分为两类：小孩身高和小孩年龄，样本大原创 2015-08-27 12:26:28 · 505 阅读 · 0 评论 -
Multivariate Linear Regression Exercise
线性回归原创 2015-08-27 21:53:41 · 677 阅读 · 0 评论 -
Logistic Regression and Newton's Method Exercise
本文将阐述logistic regression 的原理及编程实现。理论参考文档：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex4/ex4.html。训练样本数据为80个，根据学生两门课的成绩及相应的是否允许上大学，要求给定一位同学的两门成绩，预测是原创 2015-08-28 20:22:04 · 642 阅读 · 0 评论 -
Regularization Exercise
本文针对线性回归和logistic回归的正规化问题的练习，理论参考文档：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex5/ex5.html。正规化指的是对不定问题的求解，通过在原始的代价函数上加约束条件，这种约束在优化过程中起导向作用，使代价函数沿着原创 2015-08-29 16:03:20 · 540 阅读 · 0 评论 -
Sparse Autoencoder Exercise
本文通过用sparse autoencoder 方法训练输入的图片集，从而得出一个隐藏层所训练的特征。理论文档参考：http://deeplearning.stanford.edu/wiki/index.php/Neural_Networks实验文档参考：http://deeplearning.stanford.edu/wiki/index.php/Exercise:Sparse_Autoenco原创 2015-08-31 13:43:57 · 564 阅读 · 0 评论 -
Naive Bayes Exercise
本文将通过朴素贝叶斯解决邮件的分类问题。理论文献参考：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLearning&doc=exercises/ex6/ex6.html。文章将分为三个部分，首先介绍一下基本的概率概念，然后对给出了特征的邮件进行分类，最后给出邮件特征的提取代码。概率知识原创 2015-09-02 17:56:37 · 715 阅读 · 0 评论 -
PCA and Whitening Exercise
本文将对主成分分析(Pricipal Components Analaysis) 和白化(Whitening) 两种数据预处理方法做实验分析。理论参考文档：http://deeplearning.stanford.edu/wiki/index.php/PCA，实验数据：http://deeplearning.stanford.edu/wiki/index.php/Exercise:PCA_and_原创 2015-09-04 21:07:51 · 726 阅读 · 0 评论