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 ...
原文：吴恩达机器学习课程7-PCA和异常检测
PCA 第二种无监督学习,降维 可视化数据 维数据降低到 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解决多维问题方法 与线性回归的区别 主成成分分析:算法实现 数据归一化 应用PCA 确定投影向量 数学领域求解 , 如何使用代码 异常检测问题 anonaly detection ano ...
2020-10-31 11:41 0 474 推荐指数：
相关推荐
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 ...
吴恩达《机器学习》课程笔记
吴恩达《机器学习》课程笔记 吴恩达《机器学习》课程笔记——第五章：Matlab/Octave教程 摘要: 这一章的内容比较简单，主要是MATLAB的一些基础教程，如果之前没有学过matlab建议直接找一本相关书籍，边做边学，matlab的编程入门还是比较容易 ...
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&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/78826088 什么是异常点检测？比如针对飞机 ...
吴恩达机器学习笔记（八） —— 降维与主成分分析法(PCA)
主要内容： 一.降维与PCA 二.PCA算法过程 三.PCA之恢复 四.如何选取维数K 五.PCA的作用与适用场合 一.降维与PCA 1.所谓降维，就是将数据由原来的n个特征(feature)缩减为k个特征(可能从n个中直接选取k个，也能根据这n个重新组合成k ...
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 ...