李巨集毅機器學習筆記
2018.10.09開始看李巨集毅的機器學習課，把重要的筆記記下來
-
各種模型之間的關係
10月10日
-
為什麼要使用Regulation
正則專案的：使目標函式儘可能的平滑，儘量使Wi小一點
Wi小的比較好（因為輸入值有很大變化，對輸出的影響相對沒有那麼大）
λ越大，函式越平滑
但是λ太大了，就太平滑，不能正確擬合函數了
正則項不考慮b, 因為b對函式的平滑程度沒有影響
10月11日
bias VS variance
bias： 樣本點平均離中心遠近
variance： 樣本點有多散
| variance 大 | overfitting | 增加data, 正則化 |
| bias 大 | underfitting | 修正model（增加data沒用的） |
10.12
Adagrad: 考慮前面每一步的梯度，全域性學習率逐引數的除以歷史梯度平方和的平方根，使得每個引數的學習率不同
10 .17
Probabilistic Generative Model
找出一個分佈，最有可能選出目前已有的資料
相關推薦
【ML】 李巨集毅機器學習筆記
我的github連結 - 課程相關程式碼： https://github.com/YidaoXianren/Machine-Learning-course-note 0. Introduction Machine Learning: define a set of function
李巨集毅機器學習筆記——02.Where does the error come from ?
傳送門： 在上節課講到，如果選擇不同的function set就是選擇不同的model 在testing data上會得到不同的error，而且越複雜的model不見得會給你越低的error，我們要討論的問題就是error來自什麼地方？ error有兩個來源，偏
[機器學習入門] 李巨集毅機器學習筆記-1（Learning Map 課程導覽圖）
在此就不介紹機器學習的概念了。 Learning Map（學習導圖） PDF VIDEO 先來看一張李大大的總圖↓ 鑑於看起來不是很直觀，我“照虎
[機器學習入門] 李巨集毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：概率生成模型）
[機器學習] 李巨集毅機器學習筆記-5（Classification: Probabilistic Generative Model；分類：概率生成模型） Classification
[機器學習入門] 李巨集毅機器學習筆記-15 （Unsupervised Learning: Word Embedding；無監督學習：詞嵌入）
[機器學習入門] 李巨集毅機器學習筆記-15 （Unsupervised Learning: Word Embedding；無監督學習：詞嵌入） PDF VIDEO
[機器學習入門] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；邏輯迴歸）
[機器學習] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；Logistic迴歸） PDF VIDEO Three steps Step 1: Function Set
[機器學習入門] 李巨集毅機器學習筆記-14 （Unsupervised Learning: Linear Dimension Reduction；無監督學習：線性降維）
[機器學習入門] 李巨集毅機器學習筆記-14 （Unsupervised Learning: Linear Dimension Reduction；線性降維） PDF VI
李巨集毅機器學習筆記-6 深度學習簡介（Brief Introduction of Deep Learning）
Brief Introduction of Deep Learning - 深度學習簡介 1. 前言 deep learning 在近些年非常熱門，從2012年開始，深度學習的應用數目幾乎是呈指數增長的。 深度學習的發展史如下圖：
李巨集毅機器學習筆記
2018.10.09開始看李巨集毅的機器學習課，把重要的筆記記下來 各種模型之間的關係 10月10日 為什麼要使用Regulation 正則專案的：使目標函式儘可能的平滑，儘量使Wi小一點 Wi小的
李巨集毅機器學習 P14 Backpropagation 筆記
chain rule：求導的鏈式法則。 接著上一節，我們想要minimize這個loss的值，我們需要計算梯度來更新w和b。 以一個neuron舉例： 這個偏微分的結果就是輸入x。 比如下面這個神經網路： 下面我們要計算這個偏微分：。這裡的以si
李巨集毅機器學習 P13 Brief Introduction of Deep Learning 筆記
deep learning的熱度增長非常快。 下面看看deep learning的歷史。 最開始出現的是1958年的單層感知機，1969年發現單層感知機有限制，到了1980年代出現多層感知機（這和今天的深度學習已經沒有太大的區別），1986年又出現了反向傳播演算法（通常超過3
李巨集毅機器學習 P12 HW2 Winner or Loser 筆記（不使用框架實現使用MBGD優化方法和z_score標準化的logistic regression模型）
建立logistic迴歸模型： 根據ADULT資料集中一個人的age，workclass，fnlwgt，education，education_num，marital_status，occupation等資訊預測其income大於50K或者相反（收入）。 資料集： ADULT資料集。
李巨集毅機器學習P11 Logistic Regression 筆記
我們要找的是一個概率。 f即x屬於C1的機率。 上面的過程就是logistic regression。 下面將logistic regression與linear regression作比較。 接下來訓練模型，看看模型的好壞。 假設有N組trainin
李巨集毅機器學習 P15 “Hello world” of deep learning 筆記
我們今天使用Keras來寫一個deep learning model。 tensorflow實際上是一個微分器，它的功能比較強大，但同時也不太好學。因此我們學Keras，相對容易，也有足夠的靈活性。 李教授開了一個玩笑： 下面我們來寫一個最簡單的deep learning mo
李巨集毅機器學習P7 Gradient Descent (Demo by AOE) 筆記、P8 Gradient Descent (Demo by Minecraft) 筆記
P7 Gradient Descent (Demo by AOE) 筆記： 在進行Gradient Decent時，我們可以類似玩遊戲帝國時代時探索地圖的情況。 在地圖沒有探索前，你的視野範圍只有很小的一個圈，你不知道圈外的黑幕下面有什麼東西。 現在我們假設地圖上的海拔
李巨集毅機器學習-學習筆記
function set就是model 機器學習3大步驟: 1. 定義模型(function)集合 2. 指定模型(function)好壞的評價指標 3. 通過演算法選擇到最佳的模型(function) alphago下棋模型抽象為棋局向下一步的分類問題: 減少擁有label的data用量的方法: 1.
2018-3-21李巨集毅機器學習視訊筆記（十三）--“Hello Wrold” of Deep learning
Keras：有關的介紹：總的來說就是一個深度學習框架keras - CSDN部落格https://blog.csdn.net/xiaomuworld/article/details/52076202軟體工程中的框架：一種可複用的設計構件（從巨集觀上大體結構的一種規定約束）軟體
李巨集毅機器學習課程筆記10：Ensemble、Deep Reinforcement Learning
臺灣大學李巨集毅老師的機器學習課程是一份非常好的ML/DL入門資料，李巨集毅老師將課程錄影上傳到了YouTube，地址：NTUEE ML 2016 。 這篇文章是學習本課程第27-28課所做的筆記和自己的理解。 Lecture 27: Ensembl
李巨集毅機器學習 P18 Tips for Training DNN 筆記
假如deep learning得到不好的結果，應該從哪個方向進行改進呢？ 首先檢查neural network在training data上是否得到好的結果。 如果在training data上得到好的結果，而在testing data上沒有得到好的結果，那麼這種
李巨集毅機器學習課程筆記9：Recurrent Neural Network
臺灣大學李巨集毅老師的機器學習課程是一份非常好的ML/DL入門資料，李巨集毅老師將課程錄影上傳到了YouTube，地址：NTUEE ML 2016 。 這篇文章是學習本課程第25-26課所做的筆記和自己的理解。 Lecture 25,26: Recu