学习感言：

从3.7第一天开始               ，到今天4.4
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，一个多月的时间














，陆续完成了听课 
  
  
  
  
  
  
  ，代码实现和总结博客
  
  
  
  
  
  
  
 ，过程些许艰难
 


 


 


 


 


 


 


，作为一个刚入门的学习者 
 
 
 
 
 
 
 ，收获了很多
  
  
  
  
  
  
  
。总结一下这一段时间的学习过程吧  
  
  
  
  
  
  
 。后面的学习方向还在思考
 


 


 


 


 


 


 


 。

目录

1.0 线性回归预测

2.0 线性可分logistic逻辑回归

2.1 线性不可分logistic逻辑回归

3.0 logistic逻辑回归手写多分类问题

3.1 神经网络正向传播

4.0 神经网络反向传播（BP算法）

5.0 方差与偏差

6.0 SVM支持向量机

7.0 kmeans聚类

7.1 PCA主成分分析

8.0 异常检测

8.1 推荐系统（协同过滤算法）

作业涉及到的数据集：

之前的数据集过期了
   
   
   
   
   
   
   
 ，重新更新

链接：https://pan.baidu.com/s/14gmrdWvIYopPWK_qsJHq5w?pwd=ifuf 

提取码：ifuf

Ng课程大纲总结 

无监督学习

线性规划
 

 

 

 

 

 

 

，逻辑回归 

 

 

 

 

 

 

 ，神经网络               ，SVM

无监督学习

K-means , PCA , 异常检测

应用

推荐系统

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，

大规模机器学习

映射化简和数据并行:

将我们的数据集分配给不多台 计算机













，让每一台计算机处理数据集的一个子集                       ，然后我们将计所的结果汇总在求和
 
 
 
 
 
 
 
。这样 的方法叫做映射简化   
   
   
   
   
   
   
 。如果任何学习算法能够表达为
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，对训练集的函数的求和





















，那么便能将这个任 务分配给多台计算机（或者同一台计算机的不同 CPU 核心）               ，以达到加速处理的目的
 

 

 

 

 

 

 

 。

构建机器学习系统tips

方差/偏差 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，正则化

决定下一步做什么：

算法评估














，学习曲线（判断高偏差/高方差问题） 
  
  
  
  
  
  
  ，误差分析

上限分析：机器学习的应用中
  
  
  
  
  
  
  
 ，我们通常需要通过几个步骤才能进行最终的预测
 


 


 


 


 


 


 


，我们如何能够 知道哪一部分最值得我们花时间和精力去改善呢？这个问题可以通过上限分析来回答

 

 

 

 

 

 

 
。

问题描述和流程图

滑动窗口分类算法（CV）

获取大量数据和人工数据

以下是零碎：

现有的机器学习种类繁多 
 
 
 
 
 
 
 ，我们一般可以进行如下的分类标准：

是否在人类监督下学习（监督学习               、非监督学习
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 、半监督学习和强化学习） 是否可以动态的增量学习（在线学习和批量学习） 是简单的将新的数据点和已知的数据点进行匹配
   
   
   
   
   
   
   
 ，还是像科学家那样对训练数据进行模型检测
 

 

 

 

 

 

 

，然后建立一个预测模型（基于实例的学习和基于模型的学习）

 一 














、监督学习与无监督学习

 监督学习（Supervised Learning）：对于数据集中每一个样本都有对应的标签 

 

 

 

 

 

 

 ，包括回归（regression）和分类（classification）；

K近邻算法 线性回归 logistic回归 支持向量机（SVM） 决策树和随机森林 神经网络

无监督学习（Unsupervised Learning）：数据集中没有任何的标签               ，包括聚类（clustering）

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，著名的一个例子是鸡尾酒晚会               。实现公式：[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x’);

聚类算法 K均值算法（K-means） 基于密度的聚类方法(DBSCAN) 最大期望算法 可视化和降维 主成分分析（PCA） 核主成分分析 关联规则学习 Apriori Eclat  异常检测

半监督学习 有些算法可以处理部分标记的训练数据













，通常是大量未标记的数据和少量标记的数据                       ，这种成为半监督学习
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 。

如照片识别就是很好的例子














。在线相册可以指定识别同一个人的照片（无监督学习）
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，当你把这些同一个人增加一个标签的后





















，新的有同一个人的照片就自动帮你加上标签了                      。

强化学习

强化学习               ，它的学习系统能够观测环境
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，做出选择














，执行操作并获得回报 
  
  
  
  
  
  
  ，或者是以负面回报的形式获得惩罚 
 
 
 
 
 
 
 
 
 
 
 
 
 
 。它必须自行学习什么是最好的策略
  
  
  
  
  
  
  
 ，从而随着时间推移获得最大的回 

二 
  
  
  
  
  
  
  、在线学习 

    如果你有一个由连续的用户流引发的连续的数据流
 


 


 


 


 


 


 


，进入你的网站 
 
 
 
 
 
 
 ，你能做的是使用一个在线学习机制
   
   
   
   
   
   
   
 ，从数据流中学习 用户的偏好
 

 

 

 

 

 

 

，然后使用这些信息来优化一些关于网站的决策






















。

    在线学习算法指的是对数据流而非离线的静态数据集的学习              。许多在线网站都有持续不断的用户流 

 

 

 

 

 

 

 ，对于每一个用户               ，网站希望能在不将数据存储到数据库中便顺利地进行算法学习  
 
  
 
  
 
  
 
  
 
  
 
  
 
  。

在线学习：产品搜索界面   产品推荐 

三
  
  
  
  
  
  
  
 、模型训练及选择（model selection）

可以依据训练误差和测试误差来评估假设hθ(x)；

一般来说

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，我们将数据集划分成训练集（60%）
 


 


 


 


 


 


 


、验证集（20%）和测试集（20%）； 训练集

训练集用来训练模型













，学习参数θ ：minJ(θ)；即确定模型的权重和偏置这些参数                       ，通常我们称这些参数为学习参数














。

验证集

验证集用于模型的选择
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，更具体地来说





















，验证集并不参与学习参数的确定               ，也就是验证集并没有参与梯度下降的过程
  
  
  
  
  
  
  
。用训练集对模型训练完毕后
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，再用验证集对模型测试














，测试模型是否准确而不是训练模型的参数  
  
  
  
  
  
  
 。

测试集

测试集只使用一次 
  
  
  
  
  
  
  ，即在训练完成后评价最终的模型

时使用
 


 


 


 


 


 


 


 。它既不参与学习参数过程
  
  
  
  
  
  
  
 ，也不参数超参数选择过程
 


 


 


 


 


 


 


，而仅仅使用于模型的评价
 
 
 
 
 
 
 
。

不能在训练过程中使用测试集 
 
 
 
 
 
 
 ，而后再用相同的测试集去测试模型   
   
   
   
   
   
   
 。这样做其实是一个cheat
   
   
   
   
   
   
   
 ，使得模型测试时准确率很高
 

 

 

 

 

 

 

 。

四 
 
 
 
 
 
 
 、模型优化

欠拟合
 

 

 

 

 

 

 

，高偏差：说明没有很好的拟合训练数据 

过拟合 

 

 

 

 

 

 

 ，高方差：拟合训练数据过于完美               ，J(θ)≈0

 
 

 
 

 
 

 
 

 
 

 
 

 
 

，导致模型的泛化能力很差













，对于新样本不能准确预测

五
   
   
   
   
   
   
   
 、机器学习系统设计

不对称分类的误差评估（skewed classes）

错误率：有多少比例的西瓜被判断错误；

查准率（precision）：算法挑出来的西瓜中有多少比例是好西瓜；

查全率（recall）：所有的好西瓜中有多少比例被算法跳了出来

 

 

 

 

 

 

 
。

如果我们想要比较确信为正例时才判定为正例                       ，那么提高阈值
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，模型会对应高查准率





















，低召回率； 如果希望避免假阴性               ，那么降低阈值
  
 
  
 
  
 
  
 
  
 
  
 
  
 
 ，模型会对应低查准率














，高召回率

六
 

 

 

 

 

 

 

、高级优化算法：

共轭梯度算法 BFGS L-BFGS

        优点：无需人工选择参数α；运算速度比梯度下降更快 

        缺点：更加复杂

最后：放一下Ng的结语 
  
  
  
  
  
  
  ，激励自己继续前进吧~  感谢老师