月度归档：2017年05月

Machine Learning-支持向量机（SVM-Support Vector Machines）

2条回复

好久没有更新文章了，距离上一篇文章已经快大半个月了。主要是最近这段时间太忙了，在两个项目之间来回切换，再加上好多同事要离职，组里有点动荡。其实在5月5号那天我就一口气提前把整个course都学完了，主要是每个周末都要空出来完成作业好烦（虽然不做作业我也没啥好干的），那还不如一下子全部做完吧。全部学下来感觉最难的两部分内容就是神经网络和支持向量机了，我这里说的难，指的是真正理解这两个算法，知道他们的工作原理，甚至是理解他们背后的数学原理。如果你仅仅为了完成课后的assignment，那这两部分的内容其实也是很easy的。课程中一涉及到算法背后的原理，感觉Andrew Ng讲得不够清楚，他只会告诉你用什么样的公式去计算，但不会告诉你为什么要用这个公式，以及这个公式是怎么来的。当然，我这么说并不是质疑Andrew Ng讲得不好，而是这门课设计的初衷就是为了让更多人的学会机器学习，而不管你有没有数学背景，所以Andrew Ng一直在说don’t worry about the math,don’t worry about the math…哈哈
本来这篇文章是要写Week6的内容的，但是我[……]

继续阅读

Machine Learning-神经网络（Neural Network）

2条回复

本文覆盖Coursera Machine Learning Week 4&Week 5的内容。

什么是神经网络？
在机器学习和认知科学领域，人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络（英文：Neural Network，缩写NN）或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。（摘自：维基百科-人工神经网络）
神经网络并不是什么新鲜的玩意儿，早在1958年,美国心理学家Frank Rosenblatt就提出了一种具有单层计算单元的神经网络,称为感知器(Perceptron)。这个概念一经提出就被认为有着良好的发展潜能，因为他结构简单，也能解决一些复杂问题。但是感知器有一个天生不可解决的问题：只能解决线性可分问题，连最简单的异或（XOR）模型都无能为力。1969年Marvin Minsky写了一本叫做《Perceptrons》的书，他提出了著名的两个观点：1.单层感知机没用，我们需要多层感知机来解决复杂问题 2.没有有效的训练算法。大意就是这玩意儿[……]

继续阅读