标签：机器学习 第3页

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(586)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(1090)评论(0)赞 (3)标签：机器学习 / 泰勒展开

红色石头 发布于 2018-07-31

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...

阅读(1197)评论(0)赞 (2)标签：机器学习 / 深度学习 / 笔试

红色石头 发布于 2018-07-31

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...

阅读(653)评论(0)赞 (1)标签：机器学习 / 深度学习 / 笔试

红色石头 发布于 2018-07-30

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...

阅读(1363)评论(0)赞 (2)标签：机器学习 / 深度学习 / 笔试

红色石头 发布于 2018-07-30

上次 机器学习笔试题精选（一）中，我们详细解析了机器学习笔试 15 道题。今天，红色石头带大家继续“死磕”相关笔试题！ Q1. 假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，…，X100）。现在，我们把其中一个特征值扩大 10...

阅读(1027)评论(0)赞 (1)标签：机器学习 / 深度学习 / 笔试

红色石头 发布于 2018-07-30

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...

阅读(2598)评论(0)赞 (12)标签：机器学习 / 深度学习 / 笔试

红色石头 发布于 2018-07-29

课程介绍 台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程：《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些...

阅读(3787)评论(0)赞 (18)标签：机器学习 / 林轩田 / 资源

红色石头 发布于 2018-07-29

本节课主要从三个方面来对机器学习技法课程做个总结：Feature Exploitation Techniques，Error Optimization Techniques和Overfitting Elimination Techniques。最后介绍了林轩田老师带领的台大团队是...

阅读(794)评论(0)赞 (1)标签：机器学习 / 林轩田 / 深度学习

红色石头 发布于 2018-07-29

本节课主要介绍了Matrix Factorization。从电影推荐系统模型出发，首先，我们介绍了Linear Network。它从用户ID编码后的向量中提取出有用的特征，这是典型的feature extraction。然后，我们介绍了基本的Matrix Factorizatio...

阅读(648)评论(0)赞 (0)标签：机器学习 / 林轩田 / 矩阵分解