【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 ...
原文：【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。 Q Q 为Neural Network的题目，我用单线程实现的，运行的时间比较长，因此把这几道题的正确答案记录如下： Q : Q : . Q : . Q : . Eout . 其中Q 和Q 的答案比较明显，Q 和Q 有两个答案比较接近 参考了讨论区的内容，最终也调出来了 neura ...
2015-08-17 19:41 5 3929 推荐指数：
相关推荐
【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 ...
【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 ...
【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理解了一段时间，题目阐述的不够详细。理解了题意之后，发现其实很简单。 理解问题的关键是题目 ...
【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： 1. 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featu ...
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 ...
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 ...
机器学习系列：个人体会
机器学习（MachineLearning），在我看来就是让机器学习人思维的过程。机器学习的宗旨就是让机器学会“人识别事物的方法”，我们希望人从事物中了解到的东西和机器从事物中了解到的东西一样，这就是机器学习的过程。在机器学习中有一个很经典的问题： “假设有一张色彩丰富的油画，画中画了一片茂密 ...