【作业一】林轩田机器学习基石
作业方面，暂时只关注需要编程的题目了，用python完成代码。 Q15~Q17应用的是传统PLA算法，给定的数据集也是保证线性可分的。 代码需要完成的就是实现一个简单的PLA，并且“W = W + speed*yX”中的speed是可以配置的（即学习速率） 代码1 代码 ...
原文：【Perceptron Learning Algorithm】林轩田机器学习基石
直接跳过第一讲。从第二讲Perceptron开始，记录这一讲中几个印象深的点： . 之前自己的直觉一直对这种图理解的不好，老按照x y去理解。 a 这种图的每个坐标代表的是features features的值是有物理意义的。 b 而圈圈和叉叉是为了标注不同的样本 正样本 负样本 ，即label 为了后续的很多简便表示，这里正样本取 ，负样本取 . Perceptron Learning策略的几何 ...
2015-06-12 15:31 1 2597 推荐指数：
相关推荐
【作业二】林轩田机器学习基石
作业一被bubuko抓取了，要是能注明转载就更好了（http://bubuko.com/infodetail-916604.html） 作业二关注的题目是需要coding的Q16~Q20 Q16理 ...
【Deep Learning】林轩田机器学习技法
这节课的题目是Deep learning，个人以为说的跟Deep learning比较浅，跟autoencoder和PCA这块内容比较紧密。 林介绍了deep learning近年来受到了很大的关注：deep NNet概念很早就有，只是受限于硬件的计算能力和参数学习方法。 近年来深度学习 ...
Coursera - 机器学习基石 - 林轩田 | 作业一 - 题目 & 答案 & 解析
机器学习基石 | 作业一 个人基础不太好，做题花了挺长时间，分享一下自己的解题方法。基础不太好嘛，可能比较啰嗦。 原题目和编程题的程序（Jupyter Notebook 源文件），还有本解答的 PDF 版本都放在了 此链接 中。 题目 见文件 作业 ...
【Matrix Factorization】林轩田机器学习技法
在NNet这个系列中讲了Matrix Factorization感觉上怪怪的，但是听完第一小节课程就明白了。 林首先介绍了机器学习里面比较困难的一种问题：categorical features 这种问题的特征就是一些ID编号这类的，不是numerical的。 如果要处理这种情况，需要 ...
台大林轩田老师《机器学习基石》和《机器学习技法》笔记大纲
注：本大纲和笔记是根据台大林轩田老师《机器学习基石》和《机器学习技法》视频课程整理而来。林老师讲课幽默风趣，授课内容丰富而又通透，解决了我作为初学者的很多困惑，对此我非常感激。关于林老师的视频课程和相关资料，可参考这里。另外，个人认为，这里面讲解的最最精彩的是SVM和机器学习的可行性这两部分 ...
【作业四】林轩田机器学习技法 + 机器学习公开新课学习个人体会
这次作业的coding任务量比较大，总的来说需要实现neural network, knn, kmeans三种模型。 Q11~Q14为Neural Network的题目，我用单线程实现的，运行的时间 ...
机器学习---感知机（Machine Learning Perceptron）
感知机（perceptron）是一种线性分类算法，通常用于二分类问题。感知机由Rosenblatt在1957年提出，是神经网络和支持向量机的基础。通过修改损失函数，它可以发展成支持向量机；通过多层堆叠，它可以发展成神经网络。因此，虽然现在已经不再广泛使用感知机模型了，但是了解它的原理还是有必要 ...