前言

吳恩達(dá)的課程堪稱經(jīng)典，有必要總結(jié)一下。
學(xué)以致用，以學(xué)促用，通過筆記總結(jié)，鞏固學(xué)習(xí)成果，復(fù)習(xí)新學(xué)的概念。

目錄

文章目錄

• 前言
• 目錄
• 正文
• • 動(dòng)機(jī)一數(shù)據(jù)壓縮
  • 動(dòng)機(jī)二數(shù)據(jù)可視化
  • 降維方法：PCA
  • 數(shù)據(jù)預(yù)處理

正文

本章主要討論降維。

動(dòng)機(jī)一數(shù)據(jù)壓縮

數(shù)據(jù)壓縮，把二維的數(shù)據(jù)變到一維。
數(shù)據(jù)壓縮映射對(duì)應(yīng)關(guān)系。
把三維的數(shù)據(jù)變到二維。

動(dòng)機(jī)二數(shù)據(jù)可視化

各個(gè)國(guó)家的統(tǒng)計(jì)數(shù)據(jù)。
數(shù)據(jù)可視化典型例子。
數(shù)據(jù)可視化例子

降維方法：PCA

pca例子
主成份分析模式。
主成份不是線性回歸。

數(shù)據(jù)預(yù)處理

典型例子
把數(shù)據(jù)從n維降到k維。
matlab實(shí)現(xiàn)形式。
主成份分析算法總結(jié)。
從壓縮表示里恢復(fù)數(shù)據(jù)。
選擇前k個(gè)主成份。
k個(gè)主成份恢復(fù)例子。
使用pca的建議
應(yīng)用pca。
避免過擬合。
在使用pca前首先應(yīng)該考慮下要不要用。

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的吴恩达 coursera ML 第十三课总结+作业答案的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。