機器學習-筆記9-總結

 時間真快，10周的課程就已經結束了

十週，8個programming exercise，18個quiz，感謝

 看着長長地視頻列表，心中有些小小的成就感，在此感謝coursera提供的課程，感謝Andrew教授的精彩課程，爲我打開了機器學習這扇大門

 仍是先簡單說說最後一週的內容吧，首先是Large Scale Machine Learning ,即講機器學習算法如何應對大量的數據，總結下來就是如下幾點：

 1.Stochastic Gradient Descent

    隨機的梯度降低算法，每次用一個樣例進行梯度降低，雖然不會嚴格地趨近於最優值，可是會十分接近，以致於能夠很好的應用於實際。

2.Mini-Batch Gradient Descent (6 min)

   介於Stochastic Gradient Descent和Batch Gradient Descent   之間的一個算法，即每次迭代時使用一部分樣例進行計算，通常選擇20-100，能夠說上面兩種算法就是特殊狀況下的Mini-Batch Gradient Descent。

3.繪製以迭代次數爲x軸的圖像，以此來肯定算法是否使用大量的數據進行更好的計算。

4.在線學習，即你有一個持續的樣例來源，你能夠只使用一次這個樣例，參考許多網站的用戶行爲分析。

5.Map Reduce，實際上是很重要的一個思想，大概就是雲計算的思想，把計算分配到不一樣的計算機上進行整合。

最後給出了一個應用的樣例，OCR （Optical Character Recognition），大概講了一個項目的整合和分析，至關精彩。

課程總結和計劃：

接下來準備學習PGM，可能趕不上課程的deadline，可是不會爲了最後的分數而學習，看了第一週的課程，感受還不錯，不愧是斯坦福的。NNML就比較不行了，這個很難繼續下去。另外買了《PRML》-影印版，原版太貴。。。，準備開始啃，加油！另外能夠想一想作點小東西，或者在http://www.kaggle.com/學習一下。

最後，真心感謝Andrew Ng.謝謝