做百度手机网站优,买链接做网站 利润高吗,广州网站建设找哪家,浙江省住房建设局网站首页这门课是CS100.1x的后续课#xff0c;看课程名字就知道这门课主要讲机器学习。难度也会比上一门课大一点。如果你对这门课感兴趣#xff0c;可以看看我这篇博客#xff0c;如果对PySpark感兴趣#xff0c;可以看我分析作业的博客。 Course Software Setup 这门课的环境配置…这门课是CS100.1x的后续课看课程名字就知道这门课主要讲机器学习。难度也会比上一门课大一点。如果你对这门课感兴趣可以看看我这篇博客如果对PySpark感兴趣可以看我分析作业的博客。 Course Software Setup 这门课的环境配置和上一门一模一样参考我的这篇博客CS100.1x Introduction to Big Data with Apache Spark。 Lecture 1 Course Overview and Introduction to Machine Learning 这一章主要是背景介绍和一些基本概念的介绍。现在的数据越来越多单一的机器处理这些数据的时候会很慢所以产生了分布式计算但是分布式计算本身很复杂所以出现了Spark来简化分布式计算特别是Spark MLlib对解决机器学习问题非常好用。 紧接着介绍了机器学习的概念包括机器学习的分类机器学习的相关术语机器学习的处理流程处理垃圾邮件的具体例子线性代数基础知识和衡量时间和空间复杂度的Big O。 这里每个内容都很广所以不在这里赘述。有兴趣的可以搜搜其他博客。 Lecture 2 Big Data, Hardware Trends, and Apache Spark 这章内容和上一门课的lecture3和lecture4一模一样。参考我的这篇博客CS100.1x Introduction to Big Data with Apache Spark。 Lecture 3 Linear Regression and Distributed ML Principles 这一章干活很多。首先介绍了线性回归和最小二乘法线性回归在工业中应用非常广因为算法简单效果好而且可以通过增加特征来提高模型复杂度。当模型复杂度高时容易过拟合Rideg regression是个很好的选择。 这一章还给出了一个预测歌曲年代的例子通过这个例子简单介绍了机器学习的处理流程。后面的作业会详细的解决这个问题。 这一章解释了如何用分布式来解决线性回归的问题。我们都知道在解决线性回归的问题时有一个closed form solution如下图 我们得到时间复杂度和空间复杂度 我们发现当数据量很大时n一般很大而d表示特征的多少相比较n显得很小。所以计算和存储的瓶颈就在于如何存储X和如何计算X的转置乘以X原谅我懒得打公式。因为这两项涉及到n。 第一个问题很好解决因为我们这里就是讲分布式系统直接把数据分布式存储就行。 第二个问题需要一些技巧如下图我们把矩阵的乘法从inner product变成outer product。 现在的时间和空间复杂度为 通过这些步骤还有一个问题就是时间和空间的复杂度里仍然有平方项当d很大时本地计算d*d也够呛。所以最好有一个复杂度为线性实现的方法。 第一个思路是利用数据的稀疏性稀疏矩阵在实际问题中很常见我们可以利用PCA降维来把d变小第二个思路就是换个算法比如梯度下降。 梯度下降的定义和过程我们就不多说了这里说说梯度下降在分布式里的应用和代码实现。 通过上面的步骤也解释了三个经验法则。 Lecture 4 Logistic Regression and Click-through Rate Prediction 这一章主要讲逻辑回归和其应用——点击预测。点击预测主要用于在线广告而且有很多难点比如影响点击的因素太多太乱、数据量太大。然后介绍了监督学习的概念并从线性回归到逻辑回归。然后介绍了FP,FN定义和用ROC plot来觉得阈值。接着介绍了如何处理类别型特征label encoding和one-hot encoding。当对特征这样处理后整个矩阵可能会很稀疏这时候用sparse representation会节省存储空间和计算量。 当one-hot encoding处理后特征太多时最好不要丢特征因为虽然矩阵很稀疏不代表没有信息量另外一个选择是用feature hashing。 Lecture 5 Principal Component Analysis and Neuroimaging 这一章主要讲PCA和神经科学。。我没太明白为什么讲神经科学难道是和作业有关系么。然后介绍了无监督学习从而引出了PCA。介绍PCA的博客太多了这里不赘述。 这里重点讲讲PCA在分布式上的实现。分两种情况。 第一种情况是Big n和small d分为4步。 第二种情况是big n和big d。主要用迭代的方法。 转载于:https://www.cnblogs.com/-Sai-/p/6736475.html
