木木玲

61 篇文章
24 人订阅

全部文章

tomas家的小拨浪鼓

第十章 神经网络参数的反向传播算法

假设神经网络的训练样本有m个,每个包含一组输入x和一组输出信号y; L表示神经网络总层数;(? L = 4) S_I表示每层的neuron个数(S_l表示输...

761
tomas家的小拨浪鼓

第十九章 应用实例:图片文字识别(Application Example: Photo OCR)

图像文字识别应用所作的事是,从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。

1464
tomas家的小拨浪鼓

第十八章 大规模机器学习

大数据学习有其特有的问题。具体来说,是计算问题。 如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对一个有1亿条记录的训练...

1092
tomas家的小拨浪鼓

第十七章 推荐系统

第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年,我偶尔访问硅谷不同的技术公司,我常和工作在这儿致力于机器学习应用的人们聊天,我常问他们,最重要的机器学...

852
tomas家的小拨浪鼓

第十六章 异常检测

在接下来的一系列视频中,我将向大家介绍异常检测(Anomaly detection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于:它虽然主要...

1062
tomas家的小拨浪鼓

第十五章 降维

第二种类型的无监督学习问题,叫做降维。 这里有一些,你想要使用降维的原因: ① 数据压缩 数据压缩不仅能对数据进行压缩,使得数据占用较小的内存或硬盘空间。...

833
tomas家的小拨浪鼓

第十一章 应用机器学习的建议

?的方法,一般都是需要花费比较长的时间(如,6个月)才能看到改正后的效果到底是好的,还是坏的。也就是,你选择的方法是对,的还是错的。

591
tomas家的小拨浪鼓

第十四章 无监督学习

聚类算法(非监督学习算法)。我们将要让计算机学习无标签数据,而不是此前的标签数据。

782
tomas家的小拨浪鼓

第十三章 支持向量机

到目前为止,你已经见过一系列不同的学习算法。在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是,应用...

892
tomas家的小拨浪鼓

第十二章 机器学习系统设计

为了应用‘监督学习’,首先需要想到的是,如何表示’邮件的特征向量x’,通过特征向量 x 和分类标签 y。我们就能训练一个分类器。比如使用逻辑回归的方法。 ?有...

672
tomas家的小拨浪鼓

第九章 神经网络学习

例1:假如有一个监督学习分类问题: 如果只有2个特征的话,这么做还能比较好的拟合

662
tomas家的小拨浪鼓

第八章 正则化

在将 线性回归 和 logistic回归 应用到某些机器学习应用中时,会出现过度拟合问题,导致它们表现欠佳。 正则化能够改善或者减少过度拟合问题。

944
tomas家的小拨浪鼓

第七章 Logistic 回归

蓝色:加入新的训练集后,之前拟合的线性函数,显然适用于新的数据集。但是,此时我们因为新的数据集的加入,拟合出一个新的线性函数(蓝色),此时,若还用 0.5 作为...

974
tomas家的小拨浪鼓

第五章 多变量线性回归

n :特征量的数目 x^(i) :第 i 个训练样本的输入特性值 x^(i)_j :第 i 个训练样本中第 j 个特征量的值

852
tomas家的小拨浪鼓

第二章 单变量线性回归

a)我们向学习算法提供训练集 b)学习算法的任务是输出一个函数(通常用小写h表示),h代表假设函数 c)假设函数的作用是,把房子的大小作为输入变量(x),而...

733
tomas家的小拨浪鼓

第一章 绪论:初识机器学习

该系列文章为,观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单,但不得不说每一句都非常的简洁扼要,浅显易懂。非常适合我这样的小白入门。

823
tomas家的小拨浪鼓

Java程序员必须掌握的网站知识 —— HTTP

1686
tomas家的小拨浪鼓

JVM中 对象的内存布局 以及 实例分析

2058
tomas家的小拨浪鼓

“类加载机制”详解

2441
tomas家的小拨浪鼓

Netty 那些事儿 ——— 关于 “Netty 发送大数据包时 触发写空闲超时” 的一些思考

5986

扫码关注云+社区