【原】Coursera—Andrew Ng機器學習—Week 10 習題—大規模機器學習
【1】大規模資料
【2】隨機梯度下降
【3】小批量梯度下降
【4】隨機梯度下降的收斂
Answer：BD
A 錯誤。學習率太小，演算法容易很慢
B 正確。學習率小，效果更好
C 錯誤。應該是確定閾值吧
D 正確。曲線不下降，說明學習率選的太大
【5】線上學習
【6】
Answer：BC
A 錯誤。隨機梯度下降，J(θ)不一定每次都減小
D 錯誤。隨機梯度下降適合大資料量任務
Answer：CD
A 錯誤。
B 錯誤。不是因為使用parallelizaion
Answer：AD
B 錯誤。不需要儲存每次的結果
C 錯誤。online learning不適合固定的m
Answer：BC
AD 錯誤。隨機梯度下降的不適合
Answer：AB
Answer：ACD
B 錯誤。不一定獲得N倍的速度
Answer：ABC
D 錯誤。神經網路也可以使用map-reduce
相關推薦
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 10—Advice for applying machine learning
Lecture 10—Advice for applying machine learning 10.1 如何除錯一個機器學習演算法？ 有多種方案： 1、獲得更多訓練資料；2、嘗試更少特徵；3、嘗試更多特徵；4、嘗試新增多項式特徵；5、減小 λ；6、增大 λ 為了避免一個方案一個方
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 11—Machine Learning System Design
Lecture 11—Machine Learning System Design 11.1 垃圾郵件分類 本章中用一個實際例子： 垃圾郵件Spam的分類 來描述機器學習系統設計方法。首先來看兩封郵件，左邊是一封垃圾郵件Spam，右邊是一封非垃圾郵件Non-Spam：垃圾郵件有很多features。如果我
【原】Coursera—Andrew Ng機器學習—Week 8 習題—聚類 和 降維
【1】無監督演算法 【2】聚類 【3】代價函式 【4】 【5】K的選擇 【6】降維 Answer：本來是 n 維，降維之後變成 k 維（k ≤ n） 【7】 【8】 Answer： 斜率-1 【9】 Answer： x 是一個向
【原】Coursera—Andrew Ng機器學習—Week 10 習題—大規模機器學習
【1】大規模資料 【2】隨機梯度下降 【3】小批量梯度下降 【4】隨機梯度下降的收斂 Answer：BD A 錯誤。學習率太小，演算法容易很慢 B 正確。學習率小，效果更好 C 錯誤。應該是確定閾值吧 D 正確。曲線不下降，說明學習率選的太大 【5】線上學習
【原】Coursera—Andrew Ng機器學習—彙總（課程筆記、測驗習題答案、程式設計作業原始碼）
一、Coursera 斯坦福機器學習課程，Andrew Ng Coursera連線不上，修改hosts檔案 機器學習工具Octave安裝（Win10環境） 課程地址和軟體下載
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 12—Support Vector Machines 支援向量機
Lecture 12 支援向量機 Support Vector Machines 12.1 優化目標 Optimization Objective 支援向量機(Support Vector Machine) 是一個更加強大的演算法，廣泛應用於工業界和學術界。與邏輯迴歸和神經網路相比, SVM在學習複雜的非
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 14—Dimensionality Reduction 降維
Lecture 14 Dimensionality Reduction 降維 14.1 降維的動機一:資料壓縮 Data Compression 現在討論第二種無監督學習問題：降維。 降維的一方面作用是資料壓縮，允許我們使用較少的記憶體或磁碟空間，也加快演算法速度。 例子： 假設我們用兩個特徵描述一個物
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 15—Anomaly Detection異常檢測
Lecture 15 Anomaly Detection 異常檢測 15.1 異常檢測問題的動機 Problem Motivation 異常檢測(Anomaly detection)問題是機器學習演算法的一個常見應用。這種演算法雖然主要用於無監督學習問題，但從某些角度看，它又類似於一些監督學習問題。舉例：
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 16—Recommender Systems 推薦系統
Lecture 16 Recommender Systems 推薦系統 16.1 問題形式化 Problem Formulation 在機器學習領域，對於一些問題存在一些演算法， 能試圖自動地替你學習到一組優良的特徵。通過推薦系統(recommender systems)，將領略一小部分特徵學習的思想。
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 17—Large Scale Machine Learning 大規模機器學習
Lecture17 Large Scale Machine Learning大規模機器學習 17.1 大型資料集的學習 Learning With Large Datasets 如果有一個低方差的模型， 通常通過增加資料集的規模，可以獲得更好的結果。 但是如果資料集特別大，則首先應該檢查這麼大規模是否真
【原】Coursera—Andrew Ng機器學習—課程筆記 Lecture 18—Photo OCR 應用例項:圖片文字識別
Lecture 18—Photo OCR 應用例項:圖片文字識別 18.1 問題描述和流程圖 Problem Description and Pipeline 影象文字識別需要如下步驟: 1.文字偵測(Text detection)——將圖片上的文字與其他環境物件分離開來2.字元切分(Character
【原】Andrew Ng斯坦福機器學習 Coursera—Programming Exercise 3 邏輯迴歸多分類和神經網路
作業說明 Exercise 3，Week 4，使用Octave實現手寫數字0-9的識別，採用兩種方式（1）邏輯迴歸多分類（2）三層神經網路多分類。對比結果。 每張圖片20px * 20px，也就是一共400個特徵（因為Octave裡從1開始。所以將0對映為10） （1）邏輯迴歸多分類：實現 lrCost
【原】Andrew Ng斯坦福機器學習 Programming Exercise 2——邏輯迴歸
作業說明 Exercise 2，Week 3，使用Octave實現邏輯迴歸模型。資料集 ex2data1.txt ，ex2data2.txt 實現 Sigmoid 、代價函式計算Computing Cost 和 梯度下降Gradient Descent。 檔案清單
【原】Andrew Ng斯坦福機器學習（1）——Lecture 1_Introduction and Basic Concepts
Lecture 1 Introduction and Basic Concepts Lecture1 分4個視訊，主要講了 視訊1 - 2 - What is Machine Learning_ (7 min) 0、機器學習定義 • Arthur Samuel (1959). M
機器學習之Coursera Andrew Ng 《Machine Learning》 week 6 test 2
本系列文章是coursera上Andrew Ng的《Machine Learning》的測驗題，每次測驗都會有不同的錯，記錄下來，不定時的補充。錯的題目希望能幫我改正一下，我改錯的也希望大家能提出。
Stanford coursera Andrew Ng 機器學習課程程式設計作業（Exercise 1）Python3.x
Exercise 1：Linear Regression---實現一個線性迴歸 在本次練習中，需要實現一個單變數的線性迴歸。假設有一組歷史資料<城市人口，開店利潤>，現需要預測在哪個城市中開店利潤比較好？ 歷史資料如下：第一列表示城市人口數，單位為萬人；第二
【原】Java學習筆記034 - 網絡
端口號 bre throws clas 編程 綁定 容器 名稱 套接字 1 package cn.temptation; 2 3 import java.net.InetAddress; 4 5 public class Sample01 {
【原】javascript學習筆記之this用法
javascript中的this學習起來相對複雜，最近花了點時間研究，總結起來大概這隻有5種情況，相信只要熟悉這5種用法，基本是可以解決所有的this問題，文字不介紹this設計原理，只介紹用法，閱讀本文，你需要了解javascript執行上下文環境，博主寫這種文章的目的，主要還是給自己做下筆記，後續也會輸出
【原】無腦操作：ElasticSearch學習筆記（01）
健康 方便 階段 alt hits chrom 信息 repl out 開篇來自於經典的“保安的哲學三問”（你是誰，在哪兒，要幹嘛） 問題一、ElasticSearch是什麽？有什麽用處？ 答：截至2018年12月28日，從ElasticSear
【原】從頭學習設計模式（一）——單例模式
一、引入 單例模式作為23種設計模式中的最基礎的一種模式，在平時開發中應用也非常普遍。到底哪些類應該設計成單例的呢，我們來舉個最通俗的例子。在一個父容器中單擊某個選單項開啟一個子視窗，如果不使用單例又沒有作選單項的可用控制的話，每次單擊選單項都會開啟一個新視窗。這不僅會浪費記憶體資源，在程式邏輯