04 2014 档案

（原创）Stanford Machine Learning (by Andrew NG) --- (week 4) Neural Networks Representation
摘要：Andrew NG的Machine learning课程地址为：https://www.coursera.org/course/ml 神经网络一直被认为是比较难懂的问题，NG将神经网络部分的课程分为了两个星期来介绍，可见Neural Networks内容之多。言归正传，通过之前的学习我们知道，使用... 阅读全文
posted @ 2014-04-29 18:59 小白菜的BLOG 阅读(971) 评论(0) 推荐(0)
（原创）Stanford Machine Learning (by Andrew NG) --- (week 5) Neural Networks Learning
摘要：本栏目内容来自Andrew NG老师的公开课：https://class.coursera.org/ml/class/index 一般而言, 人工神经网络与经典计算方法相比并非优越, 只有当常规方法解决不了或效果不佳时人工神经网络方法才能显示出其优越性。尤其对问题的机理不甚了解或不能用数学模型表示... 阅读全文
posted @ 2014-04-29 17:13 小白菜的BLOG 阅读(851) 评论(1) 推荐(0)
（原创）Stanford Machine Learning (by Andrew NG) --- (week 6) Advice for Applying Machine Learning & Machine Learning System Design
摘要：(1) Advice for applying machine learningDeciding what to try next 现在我们已学习了线性回归、逻辑回归、神经网络等机器学习算法，接下来我们要做的是高效地利用这些算法去解决实际问题，尽量不要把时间浪费在没有多大意义的尝试上，Advice ... 阅读全文
posted @ 2014-04-29 12:43 小白菜的BLOG 阅读(847) 评论(0) 推荐(0)
（原创）Stanford Machine Learning (by Andrew NG) --- (week 1) Linear Regression
摘要：Andrew NG的Machine learning课程地址为：https://www.coursera.org/course/ml在Linear Regression部分出现了一些新的名词，这些名词在后续课程中会频繁出现：Cost FunctionLinear RegressionGradient... 阅读全文
posted @ 2014-04-28 20:01 小白菜的BLOG 阅读(1087) 评论(1) 推荐(1)
（原创）Stanford Machine Learning (by Andrew NG) --- (week 3) Logistic Regression & Regularization
摘要：coursera上面Andrew NG的Machine learning课程地址为：https://www.coursera.org/course/ml我曾经使用Logistic Regression方法进行ctr的预测工作，因为当时主要使用的是成型的工具，对该算法本身并没有什么比较深入的认识，不过... 阅读全文
posted @ 2014-04-28 16:42 小白菜的BLOG 阅读(680) 评论(0) 推荐(1)
（原创）Stanford Machine Learning (by Andrew NG) --- (week 1) Introduction
摘要：最近学习了coursera上面Andrew NG的Machine learning课程，课程地址为：https://www.coursera.org/course/ml 在Introduction部分NG较为系统的概括了Machine learning的一些基本概念，也让我接触了一些新的名词，这些... 阅读全文
posted @ 2014-04-28 11:49 小白菜的BLOG 阅读(510) 评论(0) 推荐(0)