發表文章

目前顯示的是 11月, 2017的文章

[ML筆記] Coursera 機器學習基石(上) Week4

圖片
Coursera 機器學習基石(上) Week4 筆記 本週探討 Machine Learning 的限制 首先來玩個小遊戲,根據上面六張圖片,找出一個規則,然後回得下面的圖片是 +1 還是 -1 如果根據對稱與否判斷,是的話就為 +1,就會判斷他是 +1 如果根據左上角是否是黑色的,是的話就為 -1 ,就會判斷他是 -1 無論我們回答哪一種答案,都有可能會被說是答錯了! 取決於評分者心裡想的規則是哪一套 由上例可知,如果我們遇到一個 “壞心的” 老師,來打分數,他 always 可以說我們答錯了! 這樣的問題 ML 無法處理 再看一個例子

[ML筆記] Coursera 機器學習基石(上) Week3

圖片
Coursera 機器學習基石(上) Week3 筆記 本週探討各種不同的機器學習問題  binary classification 是機器學習當中最基本的問題 binary classification:把東西分成兩類 例如 辨別是否為垃圾郵件,判斷是否核卡,判斷病人是否生病等

[ML筆記] Coursera 機器學習基石(上) Week2

圖片
Coursera 機器學習基石(上) Week2 筆記 使用機器學習來做是非題的問題 延續上次提到的信用卡同意評估系統 這次我們要探討 H 定義的內容

[ML筆記] Coursera 機器學習基石(上) Week1

圖片
Coursera 機器學習基石(上) Week1 筆記 機器學習適合用來解決什麼問題? 有 Pattern 但是 Pattern 過於複雜,不容易用 Rule based 解掉 有明確的問題目標 有 Data ! 以電影推薦系統來舉例說明 對於電影的屬性維度可能有,影片種類,出現哪些明星,影片片長等 根據 user 過去喜歡看的電影的特型,可以得到該 user 的喜愛特性分佈 針對一部電影的屬性做完分析後,可以使用 inner product 內積計算跟使用者的配對分數