7.1.主成分分析对人脸图像降维1）题目：在这个练习中，你将运用主成分分析（PCA）来实现降维。首先，你将用一个二维的样本集来实验，从而对PCA如何运行的有一个直观的感受，然后再在一个更大的由5000个人脸图像组成的数据集上实现PCA。数据集链接: https://pan.baidu.com/s/1cEgQIvehUcLxZ0WVhxcPuQ 提取码: xejn2）知识点概括：降维（...

想在自己的Spyder上运行下XGBoost试试看效果，但是import xgboost就会提醒conda install -c anaconda py-xgboostProceed ([y]/n)? ypip install xgboost

6.1.SVM建立垃圾邮件分类器1）题目：如今，许多电子邮件服务提供垃圾邮件过滤器，能够将电子邮件精确地分类为垃圾邮件和非垃圾邮件。在本部分练习中，您将使用SVM构建自己的垃圾邮件过滤器。您将训练一个分类器来分类给定的电子邮件x是垃圾邮件(y = 1)还是非垃圾邮件(y = 0)。特别地，你需要将每封电子邮件转换成一个特征向量x∈Rnx\in R^nx∈Rn。本练习中包含的数据集是基于Sp...

GDBT是与Friedman等人的《Additive logistic regression: a statistical view of boosting》这篇文章有极大的联系，基本上可以说是由这篇文章发展而来的，但是由于GDBT自己有着很好的实践效果，因此对于学习集成学习来说读一读原本的论文也是很必要的。因此这篇博客主要是对GDBT的原论文进行精读和理解。《Greedy function a.

Adaboost是Yoav Freund和Robert E. Schapire在1995年的the Second European Conference on Computational Learning Theory首次提出（详见Proceedings of the Second European Conference on Computational Learning Theory, Barc

一个多月除了上课自习，就是在coursera和网易云课堂上学习吴恩达机器学习的课程，现在学完了，以下是一个多月来完成的作业目录，整理一下以便使用：1.0 单变量线性回归1.1 多变量线性回归2.0 Logistic 回归2.1 正则化的Logistic回归3.0 逻辑回归解决多元分类3.1 前馈神经网络4.0 神经网络反向传播（BP算法）5.0 偏差与方差6.0 支持向量机(SV...

在CS230的lecture 9中主要讲了深度强化学习（Deep Reinforcement Learning）大体上是如何实施的，以及一些应用场景。课后coursera上遗留的最后C5M3的课程及其编程作业，这一部分主要是讲序列模型中的集束搜索（Beam Search）、注意力机制（Attention）以及语音识别中触发词的检测。目录回顾知识点集束搜索（Beam Search）注意力机制（Att

一个多月除了上课自习，就是在coursera和网易云课堂上学习吴恩达机器学习的课程，现在学完了，以下是一个多月来完成的作业目录，整理一下以便使用：1.0 单变量线性回归1.1 多变量线性回归2.0 Logistic 回归2.1 正则化的Logistic回归3.0 逻辑回归解决多元分类3.1 前馈神经网络4.0 神经网络反向传播（BP算法）5.0 偏差与方差6.0 支持向量机(SV...