Stanford Machine Learning 学习 2016/7/4

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Stanford Machine Learning 学习 2016/7/4相关的知识,希望对你有一定的参考价值。

 

  认同度比较高的机器学习入门教程,由Stanford的Andrew Ng主讲.网易公开课上有中英文字幕的教学视频资源(http://open.163.com/special/opencourse/machinelearning.html),讲义戳这里:http://cs229.stanford.edu/materials.html

  网络上有各种类似的课程学习笔记,也会是我学习的一部分。be patient and be curious~

 

  第一节其实是讲机器学习的motivation,简单介绍了监督学习(Supervised learning),无监督学习(Unsupervised learning)和增强学习(Reinforcement learning),并展示了一些利用machine learning的技术完成的项目demo。

  毕竟被全方位地科普过deep learning,对于基本的概念有一定的了解,不再赘述~

         监督学习可以认为我们给定的一组数据,是有groundturth的,即(x,y)这样的(input feature,output)组,在train的时候output就取groundtruth。利用SVM可以实现低维线性不可分feature向高维线性可分特征空间的映射,更好的分类。

         无监督的学习没有groundtruth,可以利用clustering探索数据中隐藏的结构特性。

         增强学习大概可以看作是一个有反馈的环境,对于其做出的每个动作,都会其余奖励或是惩罚,Agent从中进行学习,选择策略使得Agent的性能最优。

以上是关于Stanford Machine Learning 学习 2016/7/4的主要内容,如果未能解决你的问题,请参考以下文章

Coursera - Machine Learning, Stanford: Week 10

Stanford Machine Learning 学习 2016/7/4

Coursera - Machine Learning, Stanford: Week 1

Stanford CS229 Machine Learning by Andrew Ng

Graph machine learning 工具

另一种压缩图片的方法---Machine learning 之 PCA(Principle Component Analysis)