Coursera机器学习课程笔记(十一)
一、总结
最后一周的课程,除了以一个图片OCR的例子来描述机器学习的应用场景,吴恩达教授还总结了这门课所学到的东西,具体有以下几点:
监督学习
线性回归、逻辑回归、神经网络以及SVMs无监督学习
K均值算法、主成分分析法(PCA)以及异常检测算法特殊的应用
推荐系统以及大数据尺度下的机器学习构建机器学习系统的一些建议
高偏差与高方差、正则化、学习曲线、误差分析以及上限分析
值得一提的是上限分析(Ceiling analysis)在流水线化的机器学习流程中可以帮助我们分析哪一个部分更需要改进,避免浪费时间去优化一个提高空间不大的组件,个人认为这个方法非常重要。
二、一点感想
第一次在Coursera上完成了一门课程,收获颇丰,从一开始机器学习一窍不通的状态到现在入了门,网课+测验+编程作业的形式确实比自己干啃一本书要有效率的多,最后也以100%的成绩完成了课程。
整个学习过程中,个人感觉最有用的就是编程作业,亲自编程实现课程中所介绍的机器学习算法无疑是理解这些算法的最佳途径,所以强烈建议大家要独立完成编程作业,一定会受益颇丰。
最后,感谢Coursera,感谢Andrew Ng