Machine Learning by Andrew Ng 学习

作者: SetsunaChiya | 来源:发表于2017-06-26 19:24 被阅读0次

stanford公开课Machine Learning视频教程
Machine Learning Series Notes -
Machine Learning-bias & vari
2018-05-25 Machine Learning by A
机器学习概要 - supervised learning
2018-06-14 Machine Learning by A
Machine Learning @ Coursera
Machine Learning by Andrew Ng 学习
《吴恩达 - 机器学习》笔记
ML学习笔记（1）——机器学习基础

监督学习

非监督学习

监督学习的一般流程与术语
x和y

训练模型

训练模型即最小化代价函数的过程，有如下方法

梯度下降法

模型下降法(Gradient Descent)有一个很形象的帮助理解的方法(对于2个参数的情况)

快速收敛的Tricks

经验为主

特征缩放(Feature Scaling)

均值归一化(Mean Normalization)

损失函数变大

学习率过大，overshooting

线性回归(Linear Regression)

损失函数：

逻辑回归(Logistic Regression)

损失函数：
最大似然估计(maximum likelihood estimation)

不用手动选择alpha(线性搜索法line search自动选择)
比梯度下降法更快
更复杂

多分类问题

共轭梯度法(Conjugate Gradient)
DFP
BFGS

overfitting：有太多feature，hypothesis很容易拟合当前数据，loss接近0，但是不能很好的泛化
high variance

网友评论

本文标题：Machine Learning by Andrew Ng 学习

本文链接：https://www.haomeiwen.com/subject/oxilcxtx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

Machine Learning by Andrew Ng 学习

训练模型

梯度下降法

快速收敛的Tricks

特征缩放(Feature Scaling)

损失函数变大

线性回归(Linear Regression)

逻辑回归(Logistic Regression)

相关文章

stanford公开课Machine Learning视频教程

Machine Learning Series Notes -

Machine Learning-bias & vari

2018-05-25 Machine Learning by A

机器学习概要 - supervised learning

2018-06-14 Machine Learning by A

Machine Learning @ Coursera

Machine Learning by Andrew Ng 学习

《吴恩达 - 机器学习》笔记

ML学习笔记（1）——机器学习基础

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读