我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法，通过求解特征值与特征向量，并选取特征值较大的一些特征向量来达到降维的效果。 本文继续PCA的话题，包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI结束之后，关于PCA的内容就告一段落。视频的后半段开始讲无监督学习
关键字：
斯坦福 机器学习
物联网(IOT))产业吸引众多科技厂商投入，而产品是否具备机器学习能力，决定其是否能获得消费者青睐。
根据VentureBeat报导，1996年时，芝加哥的CookCountyHospital急诊室使用一种算法来了解，当病人出现胸痛症状时，是否是因为患有心脏病，应该要将他们移入病床。该算法使用一种系统性的基本测试，为快速、有效而且精准的方法。可以把70%的病人划分到低风险领域，其他病人中有95%为心脏病患，精准度高于一般医生判断的75～89%。而当时还没有深度运算技术。
现在全世界一年有6
关键字：
机器学习 物联网
上一篇笔记中，介绍了因子分析模型，因子分析模型使用d维子空间的隐含变量z来拟合训练数据，所以实际上因子分析模型是一种数据降维的方法，它基于一个概率模型，使用EM算法来估计参数。 本篇主要介绍PCA(Principal Components Analysis, 主成分分析)，也是一种降维方法，但是该方法比较直接，只需计算特征向量就可以进行降维了。本篇对应的视频是公开课的第14个视频，该视频的前半部分为因子分析模型的EM求解，已写入笔记13，本篇只是后半部分的笔记，所以内容
关键字：
斯坦福 机器学习
在最近十年，随着大数据和云计算(大规模计算)的发展，机器学习进入了发展的黄金期。
关键字：
人工智能 机器学习
本文是《斯坦福ML公开课笔记13A》的续篇。主要讲述针对混合高斯模型的问题所采取的简单解决方法，即对假设进行限制的简单方法，最后引出因子分析模型(Factor Analysis Model)，包括因子分析模型的介绍、EM求解等。
&nb
关键字：
斯坦福 机器学习
本文对应公开课的第13个视频，这个视频仍然和EM算法非常相关，第12个视频讲解了EM算法的基础，本视频则是在讲EM算法的应用。本视频的主要内容包括混合高斯模型(Mixture of Gaussian, MoG)的EM推导、混合贝叶斯模型(Mixture of Naive Bayes，MoNB)的EM推导、因子分析模型(Factor Analysis Model)及其EM求解。由于本章内容较多，故而分为AB两篇，本篇介绍至混
关键字：
斯坦福 机器学习
以机器学习为代表的人工智能技术已经被公认为未来5～10年技术变革的浪潮，它必将全方位改变未来人们的工作和生活方式。秉承“全球专家、连接智慧”的宗旨，我们特邀三十多位全球机器学习领域的技术领袖和行业应用专家，于2017年6月29-30日在北京举办「2017全球机器学习技术大会」活动家提供大会在线报名服务。大会融合主题演讲、互动研讨、案例分享、高端培训等多种形式，探讨机器学习在各领域的发展和实践应用。未来已来，Are You Ready? 来2017全球机器学习技术大会，一场
关键字：
机器学习
本文对应斯坦福ML公开课的第12个视频，第12个视频与前面相关性并不大，开启了一个新的话题——无监督学习。主要内容包括无监督学习中的K均值聚类(K-means)算法，混合高斯分布模型(Mixture of Gaussians, MoG)，求解MoG模型的EM算法，以及EM的一般化形式，在EM的一般化形式之前，还有一个小知识点，即Jensen不等式(Jensen’s inequality)。
关键字：
斯坦福 机器学习
在最近十年，随着大数据和云计算(大规模计算)的发展，机器学习进入了发展的黄金期。2016年12月17日，在2016机器智能前沿论坛上，中外专家探讨了机器学习的未来发展与展望。
关键字：
人工智能 机器学习
Microsoft CogniTIve Service - Computer Vision: 该API能够根据用户输入与用户选择分析可视化内容。譬如根据内容来标记图片、进行图片分类、人类识别并且返回他们的相似性、进行领域相关的内容识别、创建图片的内容描述、定位图片中的文本、对图片内容进行成人分级等。 Rekognition: 该API能够根据社交图片应用的特点提供快速面部识别与场景识别。譬如基于人眼、嘴、面部以及鼻子等等特征进行性
关键字：
机器学习
北京时间4月6日消息，谷歌开发定制芯片，它可以提高机器学习算法的运算速度，这不是什么秘密。谷歌管这些处理器叫作Tensor Processing Units(简称TPU)，2016年5月，谷歌在I/O开发者大会上首次展示了TPU，之后再也没有提供更多细节，谷歌只是说它正在用TPU优化TensorFlow机器学习框架。今天，谷歌公布了更多内容。
根据谷歌自己制定的基准，TPU执行谷歌常规机器学习任务时，速度比标准GPU/CPU组合产品平均快了15倍至30倍。标准GPU/CPU组合产品将英特尔Has
关键字：
谷歌 机器学习
雷锋网按：今年，人工智能在各个垂直领域的应用备受关注，其中医疗又是一个关键领域。《纽约客》发表的这篇深度长文，从医学和计算机两个领域详细描述了业内人士如何看待人工智能在医疗诊断方面的应用。作者 Siddhartha Mukherjee 是医学领域专家。本文发布在《纽约客》网站，雷锋网整理编译。
去年 11 月的一个深夜，一位 Bronx 的 54 岁老妇来到哥伦比亚大学医疗中心，她说自己头痛欲裂，视力已经开始模糊，左手也变得麻木且不听使唤了。医生进行初步检查后决定对老妇的头部进行 CT 扫描。
关键字：
人工智能 机器学习
可以容纳近千人的五洲厅到了4月2日下午，听众少了1/4，上午满员有人还想挤进来，因为稍有的BAT三大大佬都在。这像极了现在的人工智能虚火过旺，人人朋友圈都在谈人工智能，似乎不说句人工智能就不是搞科技的似的，但人工智能急需冷静下来直面其发展的阶段和可能带来的问题。
站在旁观者角度的经济学家，清华大学国家金融研究院院长朱民一连十问，让科技圈大佬们开始反思人工智能带来的伦理道德的挑战;而微软全球执行副总裁沈向洋则从专业角度指明了人工智能目前还在哪些方面有待提高和突破;企业实干派马化腾和李彦宏则讲述了各
关键字：
人工智能 机器学习
本篇是ML公开课的第10个视频，上接第9个视频，都是讲学习理论的内容。本篇的主要内容则是VC维、模型选择(Model Selection)。其中VC维是上篇笔记中模型集合无限大时的扩展分析;模型选择又分为交叉检验(Cross Validation)和特征选择(FeatureSelection)两大类内容。
关键字：
斯坦福 机器学习
本篇与前面不同，主要内容不是算法，而是机器学习的另一部分内容——学习理论。主要包括偏差/方差(Bias/variance)、经验风险最小化(Empirical Risk Minization，ERM)、联合界(Union bound)、一致收敛(Uniform Convergence)。 Ng对学习理论的重要性很是强调，他说理解了学习理论是对机器学习只懂皮毛的人和真正理解机器学习的人的区别。学习理论的重要性在于通过它能够针对实际问题更好的选择模型，修改模型。
关键字：
机器学习 算法
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473