机器学习与深度学习 - 文章分类(第3页) - 北方客888

Deep learning：十三(Softmax Regression)

摘要：在前面的logistic regression博文Deep learning：四(logistic regression练习) 中，我们知道logistic regression很适合做一些非线性方面的分类问题，不过它只适合处理二分类的问题，且在给出分类结果时还会给出结果的概率。那么如果需要用类似的阅读全文

posted @ 2018-01-26 19:46 北方客888 阅读(99) 评论(0) 推荐(0)

Deep learning：十二(PCA和whitening在二自然图像中的练习)

摘要：前言: 现在来用PCA，PCA Whitening对自然图像进行处理。这些理论知识参考前面的博文：Deep learning：十(PCA和whitening)。而本次试验的数据，步骤，要求等参考网页：http://deeplearning.stanford.edu/wiki/index.php/UF 阅读全文

posted @ 2018-01-26 19:45 北方客888 阅读(134) 评论(0) 推荐(0)

Deep learning：十一(PCA和whitening在二维数据中的练习)

摘要：前言：这节主要是练习下PCA，PCA Whitening以及ZCA Whitening在2D数据上的使用，2D的数据集是45个数据点，每个数据点是2维的。参考的资料是：Exercise:PCA in 2D。结合前面的博文Deep learning：十(PCA和whitening)理论知识，来进一步阅读全文

posted @ 2018-01-26 19:40 北方客888 阅读(111) 评论(0) 推荐(0)

Deep learning：十(PCA和whitening)

摘要：PCA： PCA的具有2个功能,一是维数约简（可以加快算法的训练速度，减小内存消耗等），一是数据的可视化。 PCA并不是线性回归，因为线性回归是保证得到的函数是y值方面误差最小，而PCA是保证得到的函数到所降的维度上的误差最小。另外线性回归是通过x值来预测y值，而PCA中是将所有的x样本都同等对待。阅读全文

posted @ 2018-01-26 19:38 北方客888 阅读(128) 评论(0) 推荐(0)

Deep learning：九(Sparse Autoencoder练习)

摘要：前言：现在来进入sparse autoencoder的一个实例练习，参考Ng的网页教程：Exercise:Sparse Autoencoder。这个例子所要实现的内容大概如下：从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张，现在需要用sparse autoencod 阅读全文

posted @ 2018-01-26 19:37 北方客888 阅读(141) 评论(0) 推荐(0)

Deep learning：八(Sparse Autoencoder)

摘要：前言：这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。按照前面的博文：D 阅读全文

posted @ 2018-01-26 19:35 北方客888 阅读(124) 评论(0) 推荐(0)

Deep learning：七(基础知识_2)

摘要：前面的文章已经介绍过了2种经典的机器学习算法：线性回归和logistic回归，并且在后面的练习中也能够感觉到这2种方法在一些问题的求解中能够取得很好的效果。现在开始来看看另一种机器学习算法——神经网络。线性回归或者logistic回归问题理论上不是可以解决所有的回归和分类问题么，那么为什么还有其它各阅读全文

posted @ 2018-01-26 19:34 北方客888 阅读(83) 评论(0) 推荐(0)

Deep learning：六(regularized logistic回归练习)

摘要：前言：在上一讲Deep learning：五(regularized线性回归练习)中已经介绍了regularization项在线性回归问题中的应用，这节主要是练习regularization项在logistic回归中的应用，并使用牛顿法来求解模型的参数。参考的网页资料为：http://opencl 阅读全文

posted @ 2018-01-26 19:33 北方客888 阅读(73) 评论(0) 推荐(0)

Deep learning：五(regularized线性回归练习)

摘要：前言：本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单，越简单的模型则越阅读全文

posted @ 2018-01-26 19:28 北方客888 阅读(92) 评论(0) 推荐(0)

Deep learning：四(logistic regression练习)

摘要：前言：本节来练习下logistic regression相关内容，参考的资料为网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex4/ex4.htm 阅读全文

posted @ 2018-01-26 19:23 北方客888 阅读(110) 评论(0) 推荐(0)

Deep learning：三(Multivariance Linear Regression练习)

摘要：前言: 本文主要是来练习多变量线性回归问题(其实本文也就3个变量)，参考资料见网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex3/ex3.html 阅读全文

posted @ 2018-01-26 19:22 北方客888 阅读(138) 评论(0) 推荐(0)

Deep learning：二(linear regression练习)

摘要：前言本文是多元线性回归的练习，这里练习的是最简单的二元线性回归，参考斯坦福大学的教学网http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex2/ex2.ht 阅读全文

posted @ 2018-01-26 19:20 北方客888 阅读(176) 评论(0) 推荐(0)

Deep learning：一(基础知识_1)

摘要：前言: 最近打算稍微系统的学习下deep learing的一些理论知识，打算采用Andrew Ng的网页教程UFLDL Tutorial，据说这个教程写得浅显易懂，也不太长。不过在这这之前还是复习下machine learning的基础知识，见网页：http://openclassroom.stan 阅读全文

posted @ 2018-01-26 19:18 北方客888 阅读(81) 评论(0) 推荐(0)

北方客888

文章分类 - 机器学习与深度学习

公告