机器学习 第8页

红色石头 发布于 2018-08-29

在之前的一篇文章：通俗解释协方差与相关系数，红色石头为大家通俗化地讲解了协方差是如何定义的，以及如何直观理解协方差，并且比较了协方差与相关系数的关系。 本文红色石头将继续使用白话语言，介绍机器学习中应用十分广泛的矩阵分解方法：奇异值分解（SVD）。本文不注重详细的数学推导，只注重...

阅读(14599)评论(0)赞 (20)标签：奇异值分解SVD

红色石头 发布于 2018-08-22

什么是协方差（Covariance）？ 协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个...

阅读(10374)评论(0)赞 (13)标签：协方差 / 机器学习 / 相关系数

红色石头 发布于 2018-08-06

因为之前有不少朋友在微信或 QQ 上问我，机器学习、深度学习应该如何入门呢？对应这一问题，红色石头碰巧也在知乎上看到有人提问，就把自己的入门学习经验好好总结了一番，包括各种资源、课程笔记和建议，以及红色石头切身经历的机器学习路线图。希望对你有所帮助。 1. 放弃海量资料！ 没错，...

阅读(69825)评论(1)赞 (78)标签：吴恩达 / 机器学习 / 林轩田 / 深度学习

红色石头 发布于 2018-08-06

什么是梯度？ 对于梯度下降算法（Gradient Descent Algorithm），我们都已经很熟悉了。无论是在线性回归（Linear Regression）、逻辑回归（Logistic Regression）还是神经网络（Neural Network）等等，都会用到梯度下降...

阅读(11376)评论(0)赞 (13)标签：机器学习 / 梯度下降 / 深度学习

红色石头 发布于 2018-07-31

一、介绍 本篇文章，我们将讨论所谓的“维度灾难”，并解释在设计一个分类器时它为何如此重要。在下面几节中我将对这个概念进行直观的解释，并通过一个由于维度灾难导致的过拟合的例子来讲解。 考虑这样一个例子，我们有一些图片，每张图片描绘的是小猫或者小狗。我们试图构建一个分类器来自动识别图...

阅读(5646)评论(0)赞 (1)标签：机器学习 / 过拟合

红色石头 发布于 2018-07-31

实际优化问题的目标函数往往比较复杂。为了使问题简化，通常将目标函数在某点附近展开为泰勒(Taylor)多项式来逼近原函数。 一元函数在点x_k处的泰勒展开式为： f(x) = f(x_k)+(x-x_k)f'(x_k)+\frac{1}{2!}(x-x_k)^2f”(...

阅读(22256)评论(0)赞 (16)标签：机器学习 / 泰勒展开