機器學習 | 算法筆記- K均值（K-Means）
前言 本系列為機器學習算法的總結和歸納，目的為了清晰闡述算法原理，同時附帶上手代碼實例，便於理解。 目錄 k近鄰（KNN） 決策樹 線性回歸 邏輯斯蒂回歸 朴素貝葉斯 支持向量機（SVM ...
原文：吳恩達機器學習筆記（七） —— K-means算法
主要內容： 一.K means算法簡介 二.算法過程 三.隨機初始化 四.二分K means 四.K的選擇 一.K means算法簡介 .K means算法是一種無監督學習算法。所謂無監督式學習，就是輸入樣本中只有x，沒有y，即只有特征，而沒有標簽，通過這些特征對數據進行整合等操作。而更細化一點地說，K means算法屬於聚類算法。所謂聚類算法，就是根據特征上的相似性，把數據聚集在一起，或者說分 ...
2018-07-24 15:13 0 7749 推薦指數：
相關推薦
吳恩達“機器學習”——學習筆記一
機器學習定義 1959年Arthur Samuel曾經這樣定義機器學習：Field of study that gives computers the ability to learn without being explicitly programmed.Samuel 本人也寫了一個西洋棋 ...
吳恩達“機器學習”——學習筆記二
定義一些名詞 欠擬合（underfitting）：數據中的某些成分未被捕獲到，比如擬合結果是二次函數，結果才只擬合出了一次函數。 過擬合（overfitting）：使用過量的特征集合，使模型過於復雜。 參數學習算法（parametric learning algorithms）：用固定的參數 ...
吳恩達“機器學習”——學習筆記五
朴素貝葉斯算法(Naive Bayes)(續學習筆記四) 兩個朴素貝葉斯的變化版本 x_i可以取多個值，即p(x_i｜y)是符合多項式分布的，不是符合伯努利分布的。其他的與符合伯努利的情況一樣。(同時也提供一種思路將連續型變量變成離散型的，比如說房間的面積可以進行離散分類，然后運用這個朴素貝葉 ...
吳恩達2014機器學習教程筆記目錄
17年開始，網上的機器學習教程逐漸增多，國內我所了解的就有網易雲課堂、七月、小象學院和北風。他們的課程側重點各有不同，有些側重理論，有些側重實踐，結合起來學習事半功倍。但是論經典，還是首推吳恩達的機器學習課程。 吳大大14年在coursera的課程通俗易懂、短小精悍，在講解知識點的同時，還會穿插 ...
吳恩達機器學習系列課程--個人筆記
網址：https://www.bilibili.com/video/av50747658/ （b站找的有中文字幕的視頻） 第一周 一、引言 1.1 歡迎 1.2 機器學習是什么 1.3 監督學習 1.4 無監督學習 二、單變量線性回歸 2.1 模型表示 2.2 代價函數 2.3 ...
吳恩達機器學習筆記 —— 8 正則化
本章講述了機器學習中如何解決過擬合問題——正則化。講述了正則化的作用以及在線性回歸和邏輯回歸是怎么參與到梯度優化中的。 更多內容參考 機器學習&深度學習 在訓練過程中，在訓練集中有時效果比較差，我們叫做欠擬合；有時候效果過於完美，在測試集上效果很差，我們叫做過擬合。因為欠擬合 ...
吳恩達機器學習筆記 —— 2 單變量線性回歸
第一章講述了基本的機器學習的概念以及分類，這里從單變量的線性回歸入手，吳恩達講解了機器學習中的幾個重要因素，如模型、損失函數、優化方法等 更多內容參考 機器學習&深度學習 首先以房價預測入手： 房子的面積 每平米的房價 ...