機器學習公開課筆記(7)：支持向量機
支持向量機(Support Vector Machine, SVM) 考慮logistic回歸，對於$y=1$的數據，我們希望其$h_\theta(x) \approx 1$，相應的$\theta^ ...
原文：機器學習公開課筆記(9)：異常檢測和推薦系統
異常檢測 Anomaly Detection 基本假設：多數情況下數據點落入正常的取值范圍，但是當異常行為發生時，數據點的取值落入正常取值范圍之外 如圖 所示 。所以可以利用高斯分布，計算行為發生的概率，如果是概率小於給定閾值，則認為發生了異常行為。基本過程是利用訓練數據點建立模型 p x ，對於新的數據點 x new , 如果 p x new lt epsilon 則發生異常 否則正常。異常檢測 ...
2016-01-25 11:48 2 5463 推薦指數：
相關推薦
機器學習公開課筆記(2)：多元線性回歸
多元線性回歸 一元線性回歸只有一個特征$x$，而多元線性回歸可以有多個特征$x_1, x_2, \ldots, x_n$ 假設 (Hypothesis)：$h_\theta(x)=\theta^T ...
機器學習公開課筆記(3)：Logistic回歸
Logistic 回歸 通常是二元分類器（也可以用於多元分類）,例如以下的分類問題 Email: spam / not spam Tumor: Malignant / benign ...
機器學習公開課匯總
機器學習目前比較熱，網上也散落着很多相關的公開課和學習資源，這里基於課程圖譜的機器學習公開課標簽做一個匯總整理，便於大家參考對比。 1、Coursera上斯坦福大學Andrew Ng教授的“機器學習公開課”： 機器學習入門課程首選，斯坦福大學教授，Coursera聯合創始人 ...
機器學習公開課筆記(1)：機器學習簡介及一元線性回歸
初步介紹 監督式學習: 給定數據集並且知道其正確的輸出應該是怎么樣的，即有反饋（feedback），分為 回歸 （Regressioin）: map輸入到連續的輸出值。 分類 （Classification）：map輸出到離散的輸出值。 非監督式學習: 給定數據集，並不知道 ...
機器學習公開課筆記(10)：大規模機器學習
批梯度下降 (Batch Gradient Descent) 以線性回歸為例，用梯度下降算法進行參數更新的公式為$$\theta_j=\theta_j-\alpha\frac{1}{m}\sum\l ...
機器學習公開課筆記(5)：神經網絡(Neural Network)——學習
這一章可能是Andrew Ng講得最不清楚的一章，為什么這么說呢？這一章主要講后向傳播(Backpropagration, BP)算法，Ng花了一大半的時間在講如何計算誤差項$\delta$，如何計算 ...
LR 算法總結--斯坦福大學機器學習公開課學習筆記
在有監督學習里面有幾個邏輯上的重要組成部件[3]，初略地分可以分為：模型，參數 和 目標函數。（此部分轉自 XGBoost 與 Boosted Tree） 一、模型和參數 模型指給定輸入xi如何去預測 輸出 yi。我們比較常見的模型如線性模型（包括線性回歸和logistic ...