原创 李宏毅機器學習(7)—Tips for Deep Learning(2)

接下來講述一下在DL中,對應於testing部分的一些技巧。 early stopping early stopping 的提出基於下面這個曲線。 首先,這裏介紹一下batch 和 epochs 的概念。假設一共有5000組數據

原创 李宏毅機器學習筆記(2)— bias and variance

Where does the error come from? 由下圖可以看到,更加複雜的模型不一定就能夠在testing data 上有更好的表現。 testing data 的average error 是由 bias 和 v

原创 實習日記--day1(軟件安裝與JDBC連接數據庫)

實習日記--day1相關軟件安裝與問題解決JDKIDEA的安裝破解MySQL的安裝其他安裝IDEA實現數據庫的連接(JDBC)新建時“無CDK”通過JDBC方式連接數據庫尚未解決的問題備註 這是我們來到寧波中軟國際的第一天,在接下

原创 李宏毅機器學習(9)—無監督學習(PCA)

分類 無監督學習可以分爲兩類: 一類是化繁爲簡,實際上是聚類和降維; 另一類是無中生有,即生成算法。 聚類算法 下述兩種算法的區別在於,K-means聚類要事先自己設定要劃分爲幾個cluster,而HAC不需要。 K-means聚

原创 李宏毅機器學習(5)—Logistic Regression(與 linear regression 的差異分析)

這次由於在聽李宏毅老師的課程中對於 logistics regression,和一般的regression 區分出現了混亂,所以去聽了一段時間吳恩達老師的課程。相比於李宏毅老師,吳恩達老師的課程可以說是面向0基礎,甚至很多高數線代

原创 機器學習筆記(10)—降維:SVD,LLE,t-SNE,特徵值特徵向量的深入理解

現在發現作爲一個初學者,自己整理某些筆記有些費時費力,尤其是對於一些很成熟的算法,在很多平臺上都已經有了很成熟深入的解讀。 在接下來的學習過程中,我會將這些相關算法或是基礎知識的深入解讀每週做一次整理,附上大神們的解讀鏈接,鏈接供

原创 李宏毅機器學習(9)—半監督學習(PCA)

分類 無監督學習可以分爲兩類: 一類是化繁爲簡,實際上是聚類和降維; 另一類是無中生有,即生成算法。 聚類算法 下述兩種算法的區別在於,K-means聚類要事先自己設定要劃分爲幾個cluster,而HAC不需要。 K-means聚

原创 李宏毅機器學習筆記(8)—半監督學習

分類 直推學習:訓練過程中使用待測試數據,目的是提高對這些數據分類的正確率。 歸納學習:訓練過程的目的是提出一個能夠泛用的模型,而不是單單爲了某些待測試數據。 常用方法 self-training 自我訓練:方法非常直觀 ①根據有

原创 實習日記--day6(實現登錄與對查詢結果的分頁)

實習日記--day6(實現登錄與對查詢結果的分頁)通過標準框架實現登錄實現對查詢結果的分頁 通過標準框架實現登錄 配置完初始文件後與Tomcat後,導入已經準備好的jsp等文件,啓動項目,在網頁上彈出如下界面: 接下來講述如何實

原创 實習日記--day2(JDBC的實現,MySQL無法正常顯示漢字的處理)

實習日記--day2IDEA優化設置設置滑輪縮放界面換主題設置鼠標懸浮提示忽略大小寫提示自動導包JDBC的具體實現主界面增(insert)刪(delete)改(update)查(select)MySQL無法正常顯示漢字的處理 ID

原创 李宏毅機器學習(7)—Tips for Deep Learning(1)

在這節課之前,李宏毅老師還介紹了一些其他與DL相關的知識,包括Backpropagation(反向傳播),和Keras的使用方法,不過這部分比較簡單,所以我不單獨再做筆記。 DL與ML的一個重要區別 在ML中,很少會出現對於tra

原创 李宏毅機器學習筆記(3)—Gradient Descent

Gradient Descent 的技巧 下圖是對偏微分的書寫形式的補充說明,可以用倒三角來表示偏微分組成的向量,也就是梯度。所以下圖左側的式子可以寫成下圖右側的式子。這種使用某一字符代表向量的寫法可以大大簡化書寫,倒三角表示偏微

原创 李宏毅機器學習(6)—Deep Learning

introduction 和一般的機器學習十分類似,深度學習也是有三個步驟,唯一與機器學習三步驟不同的是第一個步驟:neural network,也就是神經網絡。機器學習的第一步是挑選一個function set,而深度學習是挑選

原创 李宏毅機器學習(4)—Classification: Probabilistic

Classification: Probabilistic 本次課程主要講述的是如何尋找輸出爲“classification”的 function,也就是如何尋找輸出是分類的函數。 輸出爲分類是對應於輸出爲數值而言的,也就是與之前

原创 實習日記--day5(SSM企業框架搭建與前後端傳參問題)

實習日記--day5(SSM企業框架搭建與前後端傳參問題)SSM企業框架的搭建前後端傳參問題的解決 SSM企業框架的搭建 之前我們按照SSM框架對簡單增刪改查進行了實現,其框架如下 上圖中的JAVA文件夾下,包含四個包:bean