【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：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 作業一 Coursera .html Q Q 題目 Which of the following problems are best suited for ma ...
2020-05-12 18:56 0 860 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理解了一段時間，題目闡述的不夠詳細。理解了題意之后，發現其實很簡單。 理解問題的關鍵是題目 ...
【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： 1. 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featu ...
【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 ...
【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 ...
【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，運行的時間比較長，因此把這幾道題的正確答案記錄如下： Q11: 6 Q12: 0.001 Q13 ...
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 ...
機器學習基石作業1
第一題很明顯：（1）質數有很明確的定義，所以辨別質數並不需要ML；（2）在課件中反復提到的信用卡發放問題；（3）計算重力加 速度有明確的方法，不需要ML；（4）在繁忙十字路口最優交通紅綠燈的周期，由於每端時間的車流量很難去預測，所以需要ML去自 己學習控制周期；（5）根據年齡推薦醫學檢驗 ...