weixin_42200352的博客

第十八章18-1 OCROCR过程文字检测字母分割字母识别

第十七章

第十六章 基于内容的推荐系统16-1 推荐系统X是特征，含有浪漫元素和动作元素的含量，其中要设定X0为截距。权重是根据机器学习算法计算得出。然后用来预测第一列，第三行的评价得分。16-2目标函数，使用梯度下降法计算权重值16-3协同过滤给定的θ\thetaθ获得最佳的特征X（即电影是什么种类的）给定的X，优化得到θ\thetaθ反复执行这个操作16-4 协同过滤算法实现将上面的式子统一得到一个目标函数，然后进行优化滤波算法过程16-5 低秩矩阵分解使用矩阵

第15章15-1 问题提出异常检测实例：三个实例用户行为制造业监测计算机数据中心15-2 高斯分布15-3 算法实现选择特征匹配参数，使特征匹配到相关的概率分布计算概率积，判断是否小于某个值一个实例15-4 实施并评估异常检测算法实施过程见下方，以下面航空发动机为例评估过程使用精确率和召回率还有F1来评价15-5异常检测和监督学习的区别异常检测：适用于小部分的1，大部分的0会有很多的种类的异常能判断出未来的不正常的例子监督学习需要大

第十四章14-1 目标1 数据压缩降维的第一个应用是可以压缩数据，使运算更快14-2 目标2 可视化降维的第二个应用是可视化14-3 主成分分析问题规划1PCAPCA不是线性回归，求的直线或平面是在距离最短14-4 主成分分析问题规划2实现PCA过程计算均方差矩阵，然后计算其特征向量然后选择前K列（K是指主要成分）整体过程见上图14-5重建Z=UTxXappro=U*Z但是损失了垂直距离，仅仅有坐标的变化，仍然在一条线上，并没有完全的恢复14-6 主要成分K

第十三章13-1无监督学习无监督学习没有标签13-2 聚类算法K-meansK-means算法输入聚类的点数：Ｋ数据集K-means算法步骤簇分类移动聚类中心迭代K-means也可以用来区分那种不是很明显得簇，比如下图13-3 优化目标Ci：表示为数据Xi目前属于目前簇的序号μ K \mu ~K~μ K 表示的是簇中心uci表示被分到哪个簇，比如之前的分成的红绿两组优化函数如上图所示簇分类是将目标函数中的μ K

第十二章12-1 SVM的优化目标目标代价函数训练集误差项正则化误差项‘12-2 大间距分类器当y=1时，我们希望z>=1当y=0时，我们希望z<=1其中想让C变的比较大，想要最小化代价函数就要让第一项为零Cost0 Cost1使用SVM时，会有这样的情况出现，即决策边界会使两边的分类距离最远，选择中间的那条界限。如上图所示，当分类的图像如上图所示，C如果比较大，会选择斜线，C如果比较小会选择中间的那条直线。当出现异常点时，SVM也能够正常的分类，可能会出

第十一章 设计一个机器学习系统11-1 垃圾邮件分类实例设计垃圾邮件识别系统要考虑的事情11-2 误差分析开始一个简单的、可以快速进行的算法画出学习曲线，判断是否需要更多的数据，特征能够起到作用误差分析，人为的检测数据集（交叉验证集），看看有没有什么很明显的特征导致的误差数值估计的重要性，采用一个数值估计进行判断改进算法是否有用。11-3不对称分类的误差评估对于癌症诊断的例子，使用逻辑回归分类的方法在测试集发现有1% 的错误，但是实际上有人群中有0.5% 的病人有癌症，这时

第九章9-1神经网络的Cost function二元分类问题，binary多元分类问题其中L是神经网络的层数Sl是l层中的神经元个数K是K个种类 右边多元分类中的K=29-2没看太懂9-3 理解后向传播算法9-4展开参数9-5梯度检测数值估计梯度编程过程：实施建议：...