吴恩达机器学习笔记 —— 15 降维
http://www.cnblogs.com/xing901022/p/9392518.html 降维的作用：数据压缩与可视化 降维的第一个作用就是进行数据的压缩，解决磁盘和计算的问题。比如把二维数据降维到一维： 或者数据...
xmjava
吴恩达机器学习笔记 —— 13 支持向量机
https://www.cnblogs.com/xing901022/p/9419806.html 从逻辑回归来看，看损失值与Z的值的关系： 代入原来的是指，可以化简公式： 总结来说：如果y=1，我们希望z的值大于等于1，如...
吴恩达机器学习笔记 —— 17 推荐系统
http://www.cnblogs.com/xing901022/p/9403911.html 本章讲述了推荐系统相关的知识，比如基于内容的推荐算法、基于协同过滤的推荐算法以及实践中遇到的问题。 更多内容参考 机器学习&...
吴恩达机器学习笔记 —— 19 应用举例：照片OCR（光学字符识别）
http://www.cnblogs.com/xing901022/p/9374258.html 本章讲述的是一个复杂的机器学习系统，通过它可以看到机器学习的系统是如何组装起来的；另外也说明了一个复杂的流水线系统如何定位瓶颈与分配资...
吴恩达机器学习笔记 —— 14 无监督学习
http://www.cnblogs.com/xing901022/p/9368432.html 本章讲述的是第一个无监督的机器学习算法，在无监督的算法中，样本数据只有特征向量，并没有标注的y值。比如聚类算法，它可以用在市场分类、社...
吴恩达机器学习笔记 —— 12 机器学习系统设计
http://www.cnblogs.com/xing901022/p/9362339.html 本章主要围绕机器学习的推荐实践过程以及评测指标，一方面告诉我们如何优化我们的模型；另一方面告诉我们对于分类的算法，使用精确率和召回率或...
吴恩达机器学习笔记 —— 11 应用机器学习的建议
http://www.cnblogs.com/xing901022/p/9356783.html 本篇讲述了在机器学习应用时，如何进行下一步的优化。如训练样本的切分验证？基于交叉验证的参数与特征选择？在训练集与验证集上的学习曲率变化...
吴恩达机器学习笔记 —— 16 异常点检测
http://www.cnblogs.com/xing901022/p/9398242.html 本篇介绍了异常点检测相关的知识 更多内容参考 机器学习&深度学习 我感觉这篇整理的很好很用心，可以详细参考： IT虾米...
吴恩达机器学习笔记 —— 18 大规模机器学习
http://www.cnblogs.com/xing901022/p/9417633.html 本章讲了梯度下降的几种方式：batch梯度下降、mini-batch梯度下降、随机梯度下降。也讲解了如何利用mapreduce或者多c...
吴恩达机器学习笔记 —— 10 神经网络参数的反向传播算法
http://www.cnblogs.com/xing901022/p/9350271.html 本篇讲述了神经网络的误差反向传播以及训练一个神经网络模型的流程 更多内容参考 机器学习&深度学习 神经网络可以理解为两...
