吳恩達機器學習筆記 —— 1 緒論：初識機器學習
機器學習目前已經應用在很多領域，比如網頁搜尋、垃圾郵件過濾、點選率預測、生物資訊、無人駕駛、無人機、手寫體識別、自然語言處理、計算機視覺。
什麼是機器學習
1 機器學習一些比較難以變成的能力——Arthur Samuel
2 通過給定任務T以及效能度量P以及經驗E，計算機程式從經驗E中學習，用學習的結果改善效能P，從而實現自我完善，則稱改程式具有學習能力。
機器學習的分類
機器學習通過學習的方式可以分為下面幾類：
- 監督學習
- 無監督學習
- 強化學習..
案例
第一個例子：房價預測
房價預測屬於典型的迴歸問題，即給出一定的標註樣本，預測結果。
第二個例子：惡性腫瘤判斷
這裡是一個分類的問題，輸出的結果是0或者1，要麼是良性的，要麼是餓醒的。
第三個例子：腫瘤聚類
由於一開始我們也不知道它到底屬於哪個類，所以這種屬於無監督問題。典型的應用場景就是新聞的歸類、基因序列的展示、社交網路，裝置優化、市場細化分群
相關推薦
吳恩達機器學習筆記 —— 1 緒論：初識機器學習
機器學習目前已經應用在很多領域，比如網頁搜尋、垃圾郵件過濾、點選率預測、生物資訊、無人駕駛、無人機、手寫體識別、自然語言處理、計算機視覺。 什麼是機器學習 1 機器學習一些比較難以變成的能力——Arthur Samuel 2 通過給定任務T以及效能度量P以及經驗E，計算機程式從經驗E中學習，用學習的結果
吳恩達DeepLearning.ai筆記（5-1）-- 迴圈序列模型
吳恩達DeepLearning.ai筆記（5-1）– 迴圈序列模型 1.一些序列資料例子 2.數學符號 x<1>x<1>輸入序列X第一個單詞，TixTxi輸入序列X的單詞個數，X（i）<t>X（i）&l
吳恩達DeepLearning.ai筆記（1-4）-- 深層神經網路
神經網路和深度學習—深層神經網路1.深度網路中的前向傳播2. 核對矩陣的維度DNN結構示意圖如圖所示：對於第L層神經網路，單個樣本其各個引數的矩陣維度為：W[l]：(n[l],n[l−1])b[l]：(n[l],1)dW[l]：(n[l],n[l−1])db[l]：(n[l]
吳恩達deep learning筆記第二課 改善深層神經網路：超引數除錯、正則化以及優化
學習吳恩達DL.ai第二週視訊筆記。 1.深度學習實用層面 在訓練集和驗證集來自相同分佈的前提下，觀察訓練集的錯誤率和驗證集的錯誤率來判斷過擬合（high variance高方差）還是欠擬合（high bias高偏差）. 比如訓練集錯誤率1%，驗證集11%則過擬合（
【吳恩達deeplearning.ai筆記二】通俗講解神經網路上
神經網路（Neural Network）的構築理念是受到生物神經網路功能的運作啟發而產生的。人工神經網路通常是通過一個基於數學統計學型別的學習方法得以優化，所以人工神經網路也是數學統計學方法的一種實際應用。和其他機器學習方法一樣，神經網路已經被用於解決各種各樣的問題，例如機器
吳恩達改善深層神經網路引數：超引數除錯、正則化以及優化——優化演算法
機器學習的應用是一個高度依賴經驗的過程，伴隨著大量的迭代過程，你需要訓練大量的模型才能找到合適的那個，優化演算法能夠幫助你快速訓練模型。 難點：機器學習沒有在大資料發揮最大的作用，我們可以利用巨大的資料集來訓練網路，但是在大資料下訓練網路速度很慢； 使用快速的優化演算法大大提高效率
Ng深度學習筆記 1-線性迴歸、監督學習、成本函式、梯度下降
他講了監督學習的兩類問題，分類和迴歸，並引入了兩個例子。一個講用現有的房屋面積和房價的資料集推算任意房子的價格（可認為是連續的），然後再引入其他模型引數，比如臥室個數等。另一個講用腫瘤的大小來推斷是否為良性或惡性腫瘤，如果引入其他引數，比如腫瘤細胞大小的一致
吳恩達最新成果 CheXNet詳解：肺炎診斷準確率超專業醫師
離開百度之後，吳恩達在學術界異常活躍，除了推出最新的深度學習線上課程之外，他還帶領著一支來自斯坦福的團隊不斷推進深度學習在醫療領域的應用。 近日，吳恩達團隊在 arXiv 上發表了他們的最新成果——用來檢測肺炎的 CheXNet。研究人員表示，這種被稱為 CheXnet 的演算法是一個 121
【吳恩達機器學習】學習筆記——1.5無監督學習
分類 哪些 rep epm 朋友 工作 style class 客戶 1 無監督學習：在不知道數據點的含義的情況下，從一個數據集中找出數據點的結構關系。 2 聚類算法：相同屬性的數據點會集中分布，聚集在一起，聚類算法將數據集分成不同的聚類。也就是說，機器不知道這些數據點具體
【吳恩達機器學習】學習筆記——2.1單變量線性回歸算法
工作方式 樣本 body 聚類 屬性 bsp 定義 算法 信息 1 回顧1.1 監督學習定義：給定正確答案的機器學習算法分類：（1）回歸算法：預測連續值的輸出，如房價的預測（2）分類算法：離散值的輸出，如判斷患病是否為某種癌癥1.2 非監督學習定義：不給定數據的信息的情況下
吳恩達機器學習筆記1-機器學習概述
可能 perf hat 定義 視頻 nbsp 這樣的 spec 學習能力 今天看了視頻的第一章-緒論：初識機器學習（Machine Learning） 1、定義： Arthur Samuel（1959）.Machine Learning:Field of study tha
[吳恩達機器學習筆記]15.1-3非監督學習異常檢測算法/高斯回回歸模型
閾值 訓練集 jpg -a 情況 color 訓練 ase 需要 15.異常檢測 Anomaly detection 覺得有用的話,歡迎一起討論相互學習~Follow Me 15.1問題動機 Problem motivation 飛機引擎異常檢測 假想你是一個飛機引擎制造
機器學習筆記 -吳恩達（第一章：緒論）
0.機器學習定義 一個程式由經驗E中學習，解決任務T，達到效能度量值P，當且僅當，有了經驗值E後，經過P的評判，程式在處理T的時候經驗有所提升。 1.機器學習運用領域： 資料探勘
[吳恩達機器學習筆記]15.1-3非監督學習異常檢測演算法/高斯回回歸模型
15.異常檢測 Anomaly detection 覺得有用的話,歡迎一起討論相互學習~Follow Me 15.1問題動機 Problem motivation 飛機引擎異常檢測
[吳恩達機器學習筆記]16推薦系統1-2基於內容的推薦系統
16.推薦系統 Recommender System 覺得有用的話,歡迎一起討論相互學習~Follow Me 16.1 問題形式化Problem Formulation 推薦系統的改善
機器學習（吳恩達）-筆記整理、問題提出-（1-19）
這個課講得很不錯的，把數學部分省略了不少，雖然這是一件危險的事（在危險的邊緣瘋狂試探。誤）。 目前看到19，更新到19的筆記。筆記我採用的是英文的，方便和文件接軌。 詞彙： Field: 1.n
AI-004: 吳恩達教授（Andrew Ng）的機器學習課程學習筆記1-14
本文是學習Andrew Ng的機器學習系列教程的學習筆記。教學視訊地址： 本文中的白色背景視訊截圖來自Andrew Ng的視訊腳程, 思維導圖為原創總結。 ML基礎介紹，單變數的線性迴歸： Introduce ML: grew out of work in A
吳恩達-機器學習筆記(1)-模型表示、損失函式、梯度下降
無監督學習：一個程式被認為能從經驗E中學習，解決任務T，達到效能度量值P，當且僅當，有了經驗E，經過P的評判，程式在處理T時效能有所提升。 A computer program is said to learn from experience E with respect to some t
【吳恩達機器學習筆記】week3：1/2邏輯迴歸
第三週 六、邏輯迴歸(Logistic Regression) 這裡首先區分一下線性迴歸和邏輯迴歸，線性迴歸就是擬合，邏輯迴歸是分類。 6.2 假說表式（Hypothesis Representation） 下面一個部分主要講的是假設函式h（x）在分類問題中輸出只能是0/
Coursera吳恩達機器學習課程 總結筆記及作業程式碼——第1,2周
Linear’regression 發現這個教程是最入門的一個教程了，老師講的很好，也很通俗，每堂課後面還有程式設計作業，全程用matlab程式設計，只需要填寫核心程式碼，很適合自學。 1.1 Model representation 起始給出了