序：
本系列是以NeuralNetwork and Deep Learning书为基础，加上自己的见解写得，第一次写系列，不好之处，请指出哦！接下来我们会先对神经网络有一个介绍，好让大家明白神经网络是一个什么东西。为了更好的进行学习，在后面会以识别数字为引导，让我们循序渐进学习吧！
先说些有的没的吧！有时候你会不会觉得人的视觉系统在这个世界上，是多么伟大的杰...
分类：
其他好文 时间：
2014-08-06 10:36:01
阅读次数：
294
事实上有许多的途径可以了解机器学习，也有许多的资源例如书籍、公开课等可为所用，一些相关的比赛和工具也是你了解这个领域的好帮手。本文我将围绕这个话题，给出一些总结性的认识，并为你由程序员到机器学习高手的蜕变旅程中提供一些学习指引。机器学习的四个层次根据能力可以将学习过程分成四个阶段。这也是一个有助于我...
分类：
其他好文 时间：
2014-08-06 10:23:01
阅读次数：
304
ufldl学习笔记与编程作业：Logistic Regression（逻辑回归）
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。
在deep learning高质量群里面听一些前辈说，不必深究其他机器学习的算法，可以直接来学dl。
于是最近就开始搞这个了，教程加上matlab编程，就是完美啊。
新教程的地址是：http://ufldl.stanford.edu/tutorial/
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。
在deep ...
分类：
其他好文 时间：
2014-08-05 22:43:40
阅读次数：
346
ufldl学习笔记与编程作业：Vectorization（向量化/矢量化）
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。
在deep learning高质量群里面听一些前辈说，不必深究其他机器学习的算法，可以直接来学dl。
于是最近就开始搞这个了，教程加上matlab编程，就是完美啊。
新教程的地址是：http://ufldl.stanford.edu/tutorial/
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。
在deep lea...
分类：
其他好文 时间：
2014-08-05 22:35:40
阅读次数：
267
ufldl学习笔记与编程作业：Debugging: Gradient Checking（梯度检测）
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。
在deep learning高质量群里面听一些前辈说，不必深究其他机器学习的算法，可以直接来学dl。
于是最近就开始搞这个了，教程加上matlab编程，就是完美啊。
新教程的地址是：http://ufldl.stanford.edu/tutorial/
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。...
分类：
其他好文 时间：
2014-08-05 22:35:30
阅读次数：
202
ufldl学习笔记与编程作业：Linear Regression（线性回归）
ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。在deep learning高质量群里面听一些前辈说，不必深究其他机器学习的算法，可以直接来学dl。
于是最近就开始搞这个了，教程加上matlab编程，就是完美啊。
新教程的地址是：http://ufldl.stanford.ed...
分类：
其他好文 时间：
2014-08-05 00:40:58
阅读次数：
328
回归（Regression)分析包括线性回归（Linear Regression），这里主要是指多元线性回归和逻辑斯蒂回归（Logistic Regression）。其中，在数据化运营中更多的使用逻辑斯蒂回归，它包括响应预测、分类划分等内容。 多元线性回归主要描述一个因变量如何随着一批自变量的变化....
分类：
其他好文 时间：
2014-08-04 23:58:10
阅读次数：
613
一、简介这个估计大家都比我清楚了，JUnit是一个单元测试框架，我们可以基于它编写用来测试代码的代码，从而更方便地进行回归测试。二、编写测试与断言（Assertion）在Junit4中，编写一个测试方法只需要使用@Test注解并保证被注解的方法满足以下条件方法可见性为public方法无返回值方法没有...
分类：
其他好文 时间：
2014-08-04 17:22:57
阅读次数：
277
机器学习问题方法总结大类名称关键词有监督分类决策树信息增益分类回归树Gini指数，Χ2统计量，剪枝朴素贝叶斯非参数估计，贝叶斯估计线性判别分析Fishre判别，特征向量求解K最邻近相似度度量：欧氏距离、街区距离、编辑距离、向量夹角、Pearson相关系数逻辑斯谛回归（二值分类）参数估计（极大似然估计...
分类：
其他好文 时间：
2014-08-03 23:05:56
阅读次数：
416
在机器学习的应用背景是多种多样的，做实际工程必须学会如何根据 具体的问题评估一个学习模型的好坏，如何合理地选择模型、提取特征，如何进行参数调优。这些也是我以前做模式识别时欠缺的环节，所以在遇到识别率很低的情 况时，往往很困惑，不知道该如何改进：到底是应该改进模型改变特征、还是应该增加训练样本数量，到...
分类：
其他好文 时间：
2014-08-03 23:00:26
阅读次数：
287
