Coursera-吳恩達-機器學習-第十一週-測驗-Application: Photo OCR
本片文章內容：
Coursera吳恩達機器學習課程，第十一週 Application: Photo OCR 部分的測驗，題目及答案截圖。
1000*1000，每次移動2畫素，總共是500*500=250000次，兩個視窗是500000次。
一小時240資料，1000資料需要41小時，乘10，400。
CD是上限分析，A是學習曲線，D是人工合成數據。
Text detection提高的效果不明顯，沒必要提供大量資料.
Character recognition若是高方差，則需大量資料。
相關推薦
Coursera-吳恩達-機器學習-第十一週-測驗-Application: Photo OCR
本片文章內容： Coursera吳恩達機器學習課程，第十一週 Application: Photo OCR 部分的測驗，題目及答案截圖。 1000*1000，每次移動2畫素，總共是500*500=250000次，兩個視窗是500000次。 &nb
Coursera-吳恩達-機器學習-第十週-測驗-Large Scale Machine Learning
本片文章內容： Coursera吳恩達機器學習課程，第十週 Large Scale Machine Learning 部分的測驗，題目及答案截圖。 1.cost increase ，說明資料diverge。減小learning rate。 stochastic不需要每步都是減
Coursera-吳恩達-機器學習-第七週-測驗-Support Vector Machines
忘記截圖了，做了二次的，有點繞這裡，慢點想就好了。 正確選項是，It would be reasonable to try increasing C. It would also be reasonable to try decreasing σ2. &n
Coursera-吳恩達-機器學習-第七週-程式設計作業: Support Vector Machines
本次文章內容： Coursera吳恩達機器學習課程，第七週程式設計作業。程式語言是Matlab。 本文只是從程式碼結構上做的小筆記，更復雜的推導不在這裡。演算法分兩部分進行理解，第一部分是根據code對演算法進行綜述，第二部分是程式碼。 本次作業分兩個part，第一個是using SVM，第
Coursera-吳恩達-機器學習-第九周-程式設計作業-Anomaly Detection and Recommender Systems
本次文章內容： Coursera吳恩達機器學習課程，第九周程式設計作業。程式語言是Matlab。 本文只是從程式碼結構上做的小筆記。 Anomaly Detection part 0 Initialization Part 1: Load Example
Coursera-吳恩達-機器學習-第九周-測驗-Recommender Systems
本片文章內容： Coursera吳恩達機器學習課程，第九周Recommender Systems部分的測驗，題目及答案截圖。 注：區分迴歸的預測和collaborative filtering預測的區別，後者涉及到一些分類。 注：可以結合不同的trai
Coursera-吳恩達-機器學習-第八週-程式設計作業: K-Means Clustering and PCA
本次文章內容： Coursera吳恩達機器學習課程，第八週程式設計作業。程式語言是Matlab。 本文只是從程式碼結構上做的小筆記，更復雜的推導不在這裡。演算法分兩部分進行理解，第一部分是根據code對演算法進行綜述，第二部分是程式碼。 本次作業分兩個part，第一個是K-Means Clu
Coursera-吳恩達-機器學習-第八週-測驗-Principal Component Analysis
本片文章內容： Coursera吳恩達機器學習課程，第八週的測驗，題目及答案截圖。
Coursera-吳恩達-機器學習-第六週-程式設計作業: Regularized Linear Regression and Bias/Variance
本次文章內容： Coursera吳恩達機器學習課程，第六週程式設計作業。程式語言是Matlab。 學習演算法分兩部分進行理解，第一部分是根據code對演算法進行綜述，第二部分是程式碼。 0 Introduction 在這個練習中，應用regularized linea
Coursera-吳恩達-機器學習-第六週-測驗-Machine Learning System Design
說實話，這一次的測驗對我還是有一點難度的，為了刷到100分，刷了7次（哭）。 無奈，第2道和第4道題總是出錯，後來終於找到錯誤的地方，錯誤原因是思維定式，沒有動腦和審題正確。 這兩道題細節會在下面做出講解。 第二題分析：題意問，使用大量的資料，在哪兩種情況時
Coursera-吳恩達-機器學習-第五週-程式設計作業: Neural Networks Learning
本次文章內容： Coursera吳恩達機器學習課程，第五週程式設計作業。程式語言是Matlab。 學習演算法分兩部分進行理解，第一部分是根據code對演算法進行綜述，第二部分是程式碼。 0 Introduction 在這個練習中，將應用 backpropagation
吳恩達機器學習（十一）K-means（無監督學習、聚類演算法）
目錄 0. 前言 學習完吳恩達老師機器學習課程的無監督學習，簡單的做個筆記。文中部分描述屬於個人消化後的理解，僅供參考。 如果這篇文章對你有一點小小的幫助，請給個關注喔~我會非常開心
演算法工程師修仙之路：吳恩達機器學習（十一）
吳恩達機器學習筆記及作業程式碼實現中文版 第八章 應用機器學習的建議 決定下一步做什麼 獲得更多的訓練例項——通常是有效的， 但代價較大， 下面的方法也可能有效， 可考慮先採用下面的幾種方法： 嘗試減少特徵的數量； 嘗試獲得更多的特徵
Coursera吳恩達機器學習課程 總結筆記及作業程式碼——第5周神經網路續
Neural Networks:Learning 上週的課程學習了神經網路正向傳播演算法，這周的課程主要在於神經網路的反向更新過程。 1.1 Cost function 我們先回憶一下邏輯迴歸的價值函式 J(θ)=1m[∑mi=1y(i)log(hθ
Coursera-吳恩達-機器學習-（第5周筆記）Neural Networks——Learning
Week 5 —— Neural Networks : Learning 目錄 一代價函式和反向傳播 1-1 代價函式 首先定義一些我們需要使用的變數： L =網路中的總層數 sl =第l層中的單位數量（不
Coursera吳恩達機器學習課程 總結筆記及作業程式碼——第1,2周
Linear’regression 發現這個教程是最入門的一個教程了，老師講的很好，也很通俗，每堂課後面還有程式設計作業，全程用matlab程式設計，只需要填寫核心程式碼，很適合自學。 1.1 Model representation 起始給出了
Coursera吳恩達機器學習課程 總結筆記及作業程式碼——第6周有關機器學習的小建議
1.1 Deciding what to try next 當你除錯你的學習演算法時，當面對測試集你的演算法效果不佳時，你會怎麼做呢？ 獲得更多的訓練樣本？ 嘗試更少的特徵？ 嘗試獲取附加的特徵？ 嘗試增加多項式的特徵？ 嘗試增加λ? 嘗試減小λ?
Coursera吳恩達機器學習課程-第五章
五、Octave教程(Octave Tutorial) 5.1 基本操作 參考視訊: 5 - 1 - Basic Operations (14 min).mkv 在這段視訊中，我將教你一種程式語言：Octave語言。你能夠用它來非常迅速地實現這門課中我們已經學過的，或者
Coursera-吳恩達-機器學習-（程式設計練習8）異常檢測和推薦系統（對應第9周課程）
exercise 8 —— 異常檢測和推薦系統 在本練習中，第一部分，您將實施異常檢測演算法並將其應用於檢測網路上發生故障的伺服器。 在第二部分中，您將使用協作過濾來構建電影的推薦系統。 1 異常檢測 在這個練習中，您將實現一個異常檢測演算
Coursera-吳恩達-機器學習-（程式設計練習7）K均值和PCA（對應第8周課程）
exercise 7 —— K-means and PCA 在本練習中，您將實現K均值聚類演算法並將其應用於壓縮影象。 在第二部分中，您將使用主成分分析來查詢面部影象的低維表示。 1 K-means 先從二維的點開始，使用K-means進行分類