在解决一些简单的分类问题时，线性回归与逻辑回归就足以应付，但面对更加复杂的问题时（例如对图片中车的类型进行识别），运用之前的线性模型可能就得不到理想的结果，而且由于更大的数据量，之前方法的计算量也会变得异常庞大。因此我们需要学习一个非线性系统：神经网络。
我在学习时，主要通过Andrew Ng教授提供的网络，而且文中多处都有借鉴Andrew Ng教授在mooc提供的资料。
...
分类：
其他好文 时间：
2015-03-05 14:56:33
阅读次数：
872
机器学习Machine Learning - Andrew NG
courses学习笔记
Neural Networks Representation神经网络表示
Non-linear Hypotheses非线性假设
Neurons and the Brain神经元和大脑
Model Representation模型表示
Examples and Intu...
分类：
Web程序 时间：
2015-02-27 22:58:55
阅读次数：
195
http://blog.csdn.net/pipisorry/article/details/43884027
机器学习Machine Learning - Andrew NG
courses学习笔记
The Problem of Overfitting
Cost Function
Regularized Linear Regression
R...
分类：
系统相关 时间：
2015-02-27 13:38:19
阅读次数：
177
机器学习Machine Learning - Andrew NG
courses学习笔记
Classification
0、1表示含义
denote with 0 is the negative class
denote with 1 is the positive class.
Hypothesis Representation
Decisi...
分类：
系统相关 时间：
2015-02-19 23:00:48
阅读次数：
350
机器学习视野
《10 Machine Learning Experts You Need to Know》最值得关注的10位机器学习专家：Geoffrey Hinton、Michael I Jordan、Andrew Ng、Jeff Hawkins、Yann LeCun、Terry Sejnowski、David M. Blei、Daphne Koller、Zoubin Ghahramani、Seb...
分类：
其他好文 时间：
2015-02-06 20:31:52
阅读次数：
203
机器学习Machine Learning - Andrew NG
courses学习笔记
If you want to build a large scale deployment of a learning algorithm, what people will often do is prototype and the language is Octave.Which is a grea...
分类：
系统相关 时间：
2015-02-06 16:46:21
阅读次数：
245
机器学习Machine Learning - Andrew NG
courses学习笔记
linear regression works with multiple variables or with multiple features多变量线性规划
Multiple Features多变量
Gradient Descent for Multiple...
分类：
系统相关 时间：
2015-02-05 18:31:27
阅读次数：
237
机器学习Machine Learning - Andrew NG
courses学习笔记
矩阵和向量及其表示介绍
what are matrices矩阵
matrix is just another way for saying, is a 2D or a two dimensional array.
dimension of the matrix
is going to be ...
分类：
系统相关 时间：
2015-02-04 20:26:35
阅读次数：
197
茫然中不知道该做什么，更看不到希望。 偶然看到coursera上有Andrew Ng教授的机器学习课程以及他UFLDL上的深度学习课程，于是静下心来，视频一个个的看，作业一个一个的做，程序一个一个的写。N多数学的不懂、Matlab不熟悉，开始的时候学习进度慢如蜗牛，坚持了几个月，终于也学完了。...
分类：
其他好文 时间：
2015-02-04 16:23:11
阅读次数：
319
