吴恩达ML课程14

14_主成分分析法

简介:本讲继续上一讲的内容,详细地介绍了因子分析问题对应的EM算法的步骤推导过程,并重点提出了其中应该注意的问题。之后介绍了主成分分析(PCA)的算法原理和主要应用。该算法是一种常用的降低数据维度的算法。

机器学习是一门无需明确编程就能让计算机行动的科学。在过去的十年里,机器学习给我们带来了自动驾驶汽车,实用的语音识别,有效的网络搜索,以及对人类基因组的巨大了解。机器学习在今天是如此普遍,以至于你可能在不知情的情况下一天使用它几十次。许多研究人员还认为,这是实现人类水平人工智能的最佳途径。在这门课上,你将学习最有效的机器学习技术,并获得实践,并让他们为自己工作。更重要的是,您将不仅了解学习的理论基础,而且还将获得快速有效地将这些技术应用于新问题所需的实用知识。最后,您将了解与机器学习和人工智能相关的硅谷创新的一些最佳实践。本课程主要介绍机器学习、数据处理和统计模式识别。主题包括:(i)监督学习(参数/非参数算法,支持向量机,核,神经网络)。(二)无监督学习(聚类、降维、推荐系统、深度学习)。机器学习的最佳实践(偏差/方差理论);机器学习和人工智能的创新过程)。本课程还将从大量的案例研究和应用中学习,因此您还将学习如何应用学习算法来构建智能机器人(感知、控制)、文本理解(web搜索、反垃圾邮件)、计算机视觉、医学信息学、音频、数据库挖掘等领域。

讲师:Andrew Ng

【目前社区讲师征集中,欢迎愿意分享的同学联系管理员

【加入社区】

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181113B0IX9Q00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券