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法來檢測伺服器計算機中的異常行為。 這些功能衡量每個伺服器響應的吞吐量(mb / s)和延遲(ms)。 當你的伺服器正在執行時,你收集了他們如何行為的例子,因此有一個未標記的資料集{x(1),…,x(m)}。 您懷疑這些示例中絕大多數是伺服器正常執行的“正常”(非異常)示例,但也可能有一些伺服器在此資料集中異常執行的示例。
2 推薦系統
相關推薦
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
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吳恩達機器學習教程筆記(一)
人工智慧行業如火如荼,想要入門人工智慧,吳恩達老師的機器學習課程絕對是不二之選(當然,這不是我說的,是廣大網友共同認為的) 教程的地址連結: 有的同學可能進不去這個網站,解決辦法參照如下連結: 這個辦法本人親測有效,因為我看的時候也打不開(囧!!)
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-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
Coursera吳恩達機器學習課程第一週測驗2(單變數線性迴歸)
Machine Learning Week 1 Quiz 2 (Linear Regression with One Variable) Stanford Coursera Question 1 Consider the problem of predi
Coursera-吳恩達-機器學習-(第11周筆記)應用例項:photo OCR
Week 11 ——Application Example: Photo OCR 目錄 影象OCR(Optical Character Recognition) 1-1 問題描述 在這一段介紹一種 機器學習的應用例項 照片OCR技術
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
吳恩達機器學習訓練祕籍整理五十三到五十七章(八)元件分析
第五十三章: 根據元件進行誤差分析 假設你的系統由複雜的機器學習流水線所構建,並且你希望提高該系統的效能,那應該從流水線的哪一部分開始改進呢?你可以通過將誤差歸因於流水線的特定元件,來決定工作的優先順序。 在上圖的流水線中,第一部分是貓檢測器,它能夠檢測出貓,並將它們從影象裁剪出來
吳恩達機器學習訓練祕籍整理三十六到四十三章(六)訓練資料
第三十六章: 何時在不同的分佈上訓練與測試。 使用者上傳的10000張圖片。網上收集的200000張圖片。使用者上傳的5000張用來做開發集和測試集。205000用來做訓練集。這樣可以讓他們的資料集的分佈儘可能的相同。 第三十七章: 現有100000張使用者上傳的圖片和200000張
吳恩達機器學習訓練祕籍整理三十三到三十五章(五)
第三十三章 為何與人類表現水平進行對比: 許多機器學習系統的設計目的是想要自動化一些人類可以處理得很好的事情,可舉的例子有影象識別、語音識別以及垃圾郵件分類等等。此外,有許多理由表明在處理人類擅長的任務時,構建機器一個學習系統會更加簡單: 1.易於從人為標籤中獲取資料 2.基於人類直
吳恩達機器學習訓練祕籍整理二十到二十七章(三)
第二十章: 偏差和方差:誤差的兩大來源 你的貓識別器在開發集上的錯誤率是16%,訓練集上的錯誤率是15%。 偏差:在訓練集上的錯誤率。15% 方差:開發集上的表現比訓練集差多少。16%-15%=1% 總誤差 = 偏差+方差 = 16% 第二十一章: 通過偏差和
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-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。