机器学习爱好者 -- 翻译吴恩达老师的机器学习课程字幕 http://www.ai-start.com/

斯坦福大学吴恩达老师的课程视频已在网易公开课中上线多年,针对该课程的Note,网上已经有较为完整的译作,其中学习理论相对较为抽象,故以翻译为主,加之自己的理解,希望能为您的学习带来帮助,由于公式太多,使用博客园编辑实在太辛苦,故利用百度云盘分享.于近期分享VC维整体理论及证明,敬请期待. 链接: http://pan.baidu.com/s/1dEIPKjf 密码: k8mj

应用机器学习 Machine Learning Diagnostics(机器学习诊断) Diagnostic is a test you can run, to get insight into what is or isn't working with an algorithm, and which will often give you insight as to what are promising things to try to improve a learning algorithm

? 机器学习(machine learning)已然成为无数重要应用的基石——如今,在网络搜索.垃圾邮件检测.语音识别以及产品推荐等领域,你都能够发现它的身影.如果你或你的团队正在研发一款机器学习相关应用,并期待取得较快进展,那么这本书将会是你的得力助手. 案例:建立猫咪图片初创公司 想象一下,你正在建立一家初创公司,这家公司的产品目标是为猫咪爱好者们提供数不尽的猫咪图片,你打算应用神经网络(neural network)技术来构建一套计算机视觉系统,通过该系统来识别图片中的猫. ? 但悲剧的是

Machine Learing System Design(机器学习系统设计) Ways to improve the accuracy of a classifier(提高分类器准确性的几个方法) Collect lots of data (for example "honeypot" project but doesn't always work)(收集大量数据,并不总是有用) Develop sophisticated features (for example: using e

Optimization algorithms 优化算法以加速训练. Mini-batch gradient descend Batch gradient descend:每一小步梯度下降否需要计算所有的训练样本.很耗时. Mini-batch gradient descend:将训练集分为很多小的mini-batch,每一个epoch用到一个mini-batch的训练样本,进行一次梯度下降(向前传播,计算cost,向后传播).训练速度会提升很多. 选择mini-batch的size 如果siz

Error analysis Carrying out error analysis Error analysis是手动分析算法错误的过程. 通过一个例子来说明error analysis的过程.假设你在做猫图像识别的算法,它的错误率高达10%,你希望提高它的表现. 你已经有了一些改进的想法,包括: 算法把狗的图片错误识别为猫,需要修正: 算法把其他一些猫科动物(比如狮子,豹,...)错误识别为猫,需要修正: 算法对于比较模糊的图片容易识别错误,需要改进: 算法对于加了滤镜的图片容易识别错误,需

应用ML是一个高度迭代的过程 Idea->Code->Experment->... 去不断地调整超参数. Train/Dev/Test sets 通常将数据集划分为Train/Dev/Test集. Training set: 用于模型的训练 Hold-out cross validation set/Developmet set: 用于测试,调整模型超参数 Test set: 用于最终评估 以前的ML问题:数据规模在w级,通常70/30划分Train/Test集或者60/20/20比例划

以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中,第一部分<神经网络和深度学习>第二周课程部分关键点的笔记.笔记并不包含全部小视频课程的记录,如需学习笔记中舍弃的内容请至 Coursera 或者 网易云课堂.同时在阅读以下笔记之前,强烈建议先学习吴恩达老师的视频课程. 1. 二分类问题 对于二分类问题,大牛给出了一个小的Notation. 样本:  ,训练样本包含  个: 其中  ,表示样本 包含 个特征:  ,目标值属于0.1分类: 训练数据:  输入神经网络时

1.1欢迎 主要讲了五门课的内容: 第一门课:神经网络基础,构建网络等: 第二门课:神经网络的训练技巧: 第三门课:构建机器学习系统的一些策略,下一步该怎么走(吴恩达老师新书<Machine Learning Yearning>就是针对这个以及上一课): 第四门课:卷积神经网络相关: 第五门课:循环神经网络相关. 1.2什么是神经网络 (1)常说的深度学习指的就是训练神经网络,或者也指特别大规模的神经网络. (2)每一个神经元都代表着从输入到输出的函数映射,如下的房价预测: (3)激活函数Re