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...
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。
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...
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...
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...
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。...
?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。
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。
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...
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...
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
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。
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...
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
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...
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。
扫码关注云+社区
