摘要: 参考课程:机器学习基础: "案例研究" 华盛顿大学 开发环境搭建,GraphLab Create安装参考: "教程1" , "教程2" ,以及GraphLab教育版注册链接TIps(注册邮箱中) 黑体部分功能函数具体参考网页: "GraphLab Create API DOC1.0" import 阅读全文
posted @ 2017-08-09 22:24 SrtFrmGNU 阅读(5) 评论(0) 编辑
摘要: [TOC] 结课:应用实例 照片字符识别 (photo OCR) 1. 问题描述与流水线pipeline ​ 照片OCR意指:照片光学字符识别(photo O ptical C haracter R ecognition)。 ​ 随着数码摄影的日益流行以及近年来手机中拍照功能的逐渐成熟,我们现在很容阅读全文
posted @ 2017-08-03 17:45 SrtFrmGNU 阅读(10) 评论(0) 编辑
摘要: [TOC] 大数据下的机器学习 ​ 要想得到一个高效的机器学习系统的最好的方式之一,用一个低偏差的学习算法,然后用很多数据来训练它。早先看到的一个例子是区分易混淆词组的例子,如有:For breakfast I ate (TWO) eggs。只要给算法很多训练的数据,它就能表现得很好(如下图,随着样阅读全文
posted @ 2017-08-01 23:25 SrtFrmGNU 阅读(6) 评论(0) 编辑
摘要: [TOC] EX8 异常检测与推荐系统的练习 ​ 在本练习中,首先将异常检测算法应用于检测网络中的故障服务器。 在第二部分中,将使用协作过滤来构建电影推荐系统。 1.异常检测 Anomaly detection ​ 在本节练习中,将实施异常检测算法来检测服务器计算机中的异常行为。该功能测量每个服务器阅读全文
posted @ 2017-07-30 23:16 SrtFrmGNU 阅读(15) 评论(0) 编辑
摘要: [TOC] 推荐系统(Recommender systems) ​ 这里讨论推荐系统有两个深层原因或者说动机,第一个原因在于它是机器学习的一个重要应用,在过去的几年中在参观硅谷的各种科技类公司中,经常在那些公司里与开发机器学习应用的人交流,谈及什么才是机器学习最重要的应用,或者什么样的机器学习的应用阅读全文
posted @ 2017-07-29 23:15 SrtFrmGNU 阅读(22) 评论(0) 编辑
摘要: [TOC] 异常检测 Anomaly detection 1.1问题动机 ​ 异常检测是机器学习算法的一个常见应用,这种算法的一个有趣之处在于它虽然主要用于非监督学习问题,但从某些角度看它又类似于一些监督学习问题。那么什么是异常检测呢? ​ 假想你是一个飞机引擎制造商,当生产的飞机引擎从生产线上流出阅读全文
posted @ 2017-07-21 13:32 SrtFrmGNU 阅读(10) 评论(0) 编辑
摘要: [TOC] EX7:K 均值聚类和PCA ​ 前言:本练习中,我们将利用K 均值算法压缩一张图片,第二部分中,将使用PCA为面部图片找寻低维描述。 1、K 均值聚类 ​ 在第一个练习中,主要实现K means算法并将其用于图像压缩。 首先从2D数据集样本开始,目的了解K means算法如何工作的直观阅读全文
posted @ 2017-07-19 23:10 SrtFrmGNU 阅读(16) 评论(0) 编辑
摘要: [TOC] 维数约减 Dimensionality Reduction ​ 维数约减属于无监督学习范畴,我们希望使用维数约减的原因可能有:通过数据压缩以减少数据占有内存的大小,为算法运算提高速度,将数据可视化等。 数据压缩 data compression ​ 某个物体的长度以x1厘米为单位,另一个阅读全文
posted @ 2017-07-17 16:00 SrtFrmGNU 阅读(9) 评论(1) 编辑
摘要: 无监督学习(unsupervised learning)介绍 聚类(Clustering) ​ 回顾之前的有监督学习,根据给出的数据集(已经做出标记labels)${(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),...,(x^{(m)},y^{(m)})}$,学习出假设函数阅读全文
posted @ 2017-07-13 15:22 SrtFrmGNU 阅读(18) 评论(0) 编辑
摘要: Ex6 支持向量机SVM ​ 在本练习的上半部分,将使用支持向量机(SVM)与各种示例2维数据集。 实验这些数据集将有助于直观了解SVM工作的过程,以及如何使用高斯内核与SVM。 在下一个练习中,将使用支持向量机来构建垃圾邮件分类器。 ​ 如下图所示的2维数据集,可以通过线性边界分离,图中正样本通过阅读全文
posted @ 2017-07-11 22:19 SrtFrmGNU 阅读(9) 评论(0) 编辑