【作業一】林軒田機器學習基石
作業方面，暫時只關注需要編程的題目了，用python完成代碼。 Q15~Q17應用的是傳統PLA算法，給定的數據集也是保證線性可分的。 代碼需要完成的就是實現一個簡單的PLA，並且“W = W + speed*yX”中的speed是可以配置的（即學習速率） 代碼1 代碼 ...
原文：【Perceptron Learning Algorithm】林軒田機器學習基石
直接跳過第一講。從第二講Perceptron開始，記錄這一講中幾個印象深的點： . 之前自己的直覺一直對這種圖理解的不好，老按照x y去理解。 a 這種圖的每個坐標代表的是features features的值是有物理意義的。 b 而圈圈和叉叉是為了標注不同的樣本 正樣本 負樣本 ，即label 為了后續的很多簡便表示，這里正樣本取 ，負樣本取 . Perceptron Learning策略的幾何 ...
2015-06-12 15:31 1 2597 推薦指數：
相關推薦
【作業二】林軒田機器學習基石
作業一被bubuko抓取了，要是能注明轉載就更好了（http://bubuko.com/infodetail-916604.html） 作業二關注的題目是需要coding的Q16~Q20 Q16理 ...
【Deep Learning】林軒田機器學習技法
這節課的題目是Deep learning，個人以為說的跟Deep learning比較淺，跟autoencoder和PCA這塊內容比較緊密。 林介紹了deep learning近年來受到了很大的關注：deep NNet概念很早就有，只是受限於硬件的計算能力和參數學習方法。 近年來深度學習 ...
Coursera - 機器學習基石 - 林軒田 | 作業一 - 題目 & 答案 & 解析
機器學習基石 | 作業一 個人基礎不太好，做題花了挺長時間，分享一下自己的解題方法。基礎不太好嘛，可能比較啰嗦。 原題目和編程題的程序（Jupyter Notebook 源文件），還有本解答的 PDF 版本都放在了 此鏈接 中。 題目 見文件 作業 ...
【Matrix Factorization】林軒田機器學習技法
在NNet這個系列中講了Matrix Factorization感覺上怪怪的，但是聽完第一小節課程就明白了。 林首先介紹了機器學習里面比較困難的一種問題：categorical features 這種問題的特征就是一些ID編號這類的，不是numerical的。 如果要處理這種情況，需要 ...
台大林軒田老師《機器學習基石》和《機器學習技法》筆記大綱
注：本大綱和筆記是根據台大林軒田老師《機器學習基石》和《機器學習技法》視頻課程整理而來。林老師講課幽默風趣，授課內容豐富而又通透，解決了我作為初學者的很多困惑，對此我非常感激。關於林老師的視頻課程和相關資料，可參考這里。另外，個人認為，這里面講解的最最精彩的是SVM和機器學習的可行性這兩部分 ...
【作業四】林軒田機器學習技法 + 機器學習公開新課學習個人體會
這次作業的coding任務量比較大，總的來說需要實現neural network, knn, kmeans三種模型。 Q11~Q14為Neural Network的題目，我用單線程實現的，運行的時間 ...
機器學習---感知機（Machine Learning Perceptron）
感知機（perceptron）是一種線性分類算法，通常用於二分類問題。感知機由Rosenblatt在1957年提出，是神經網絡和支持向量機的基礎。通過修改損失函數，它可以發展成支持向量機；通過多層堆疊，它可以發展成神經網絡。因此，雖然現在已經不再廣泛使用感知機模型了，但是了解它的原理還是有必要 ...