吴恩达机器学习课程7-PCA和异常检测
14 PCA 第二种无监督学习,降维 可视化数据 50维数据降低到2维进行可视乎 降维方法: PCA(主成成分分析)，降维会忽视一些空间信息，但是会最大限度保留最主要的空间信息 找到超平面，使得投影距离最小 向量化，PCA解决多维问题 ...
原文：吴恩达机器学习笔记 —— 16 异常点检测
本篇介绍了异常点检测相关的知识 更多内容参考 机器学习 amp 深度学习 我感觉这篇整理的很好很用心，可以详细参考： https: blog.csdn.net Snail Moved Slowly article details 什么是异常点检测 比如针对飞机的引擎做测试，x 代表温度 x 代表引擎的震动等等，希望判断新生产的引擎是否有问题。如果这个新的引擎在点的中心可能是正常的，如果离大部分的 ...
2018-07-31 20:59 0 748 推荐指数：
相关推荐
吴恩达《机器学习》课程总结（15）异常检测
15.1问题的动机 将正常的样本绘制成图表（假设可以），如下图所示： 当新的测试样本同样绘制到图标上，如果偏离中心越远说明越可能不正常，使用某个可能性阈值，当低于正常可能性阈值时判断其为异常，然后做进一步的检查。异常检测常用于工业生产、异常用户等实际场景中。 以上这种方法叫密度评估 ...
吴恩达机器学习笔记16-决策边界(decision boundary)
现在讲下决策边界(decision boundary)的概念。这个概念能更好地帮助我们理解逻辑回归的假设函数在计算什么。 在逻辑回归中，我们预测：当ℎ𝜃(𝑥) >= 0.5时，预测 ...
吴恩达“机器学习”——学习笔记一
机器学习定义 1959年Arthur Samuel曾经这样定义机器学习：Field of study that gives computers the ability to learn without being explicitly programmed.Samuel 本人也写了一个西洋棋 ...
吴恩达“机器学习”——学习笔记二
定义一些名词 欠拟合（underfitting）：数据中的某些成分未被捕获到，比如拟合结果是二次函数，结果才只拟合出了一次函数。 过拟合（overfitting）：使用过量的特征集合，使模型过于复杂。 参数学习算法（parametric learning algorithms）：用固定的参数 ...
吴恩达“机器学习”——学习笔记五
朴素贝叶斯算法(Naive Bayes)(续学习笔记四) 两个朴素贝叶斯的变化版本 x_i可以取多个值，即p(x_i｜y)是符合多项式分布的，不是符合伯努利分布的。其他的与符合伯努利的情况一样。(同时也提供一种思路将连续型变量变成离散型的，比如说房间的面积可以进行离散分类，然后运用这个朴素贝叶 ...
吴恩达2014机器学习教程笔记目录
17年开始，网上的机器学习教程逐渐增多，国内我所了解的就有网易云课堂、七月、小象学院和北风。他们的课程侧重点各有不同，有些侧重理论，有些侧重实践，结合起来学习事半功倍。但是论经典，还是首推吴恩达的机器学习课程。 吴大大14年在coursera的课程通俗易懂、短小精悍，在讲解知识点的同时，还会穿插 ...
吴恩达机器学习系列课程--个人笔记
网址：https://www.bilibili.com/video/av50747658/ （b站找的有中文字幕的视频） 第一周 一、引言 1.1 欢迎 1.2 机器学习是什么 1.3 监督学习 1.4 无监督学习 二、单变量线性回归 2.1 模型表示 2.2 代价函数 2.3 ...