Coursera-Machine Learning-Week8
前回できなかったオプション課題になっている5000の顔について取り組みます。 5000の顔のデータは1つ1つは32X32（＝1024）のデータで 1列が1つの顔のデータに対応しているとのことです。 そして5000の顔だと数が多いので100の顔でPCAを試そうという 形式にな…
今回はこの最後の課題↓recoverData.mとOptionalの5000の顔に取り組みます。 問題文とプログラム全体版(ex7pca.m）には 特にアドバイスめいたものは書かれていません。 答えが[-1.047-1.047]になるということなのでこれをGoalにします。 プログラム詳細版（re…
今回はpca.mとprojectData.mに下記順で取り組みます。 問題文を読みます 試行錯誤開始です。 問題文を読みます まずは2Dセットで慣れて、次に5000の顔イメージに取り組む手順のようです。 2Dから1Dにするのを↓のように視覚で見るというのがpca.mのGoalです。…
今回は課題と課題の間にあるoptionalに取り組みます。 2Dセットに慣れたら画像でクラスタリングをやってみよう！と問題文の 冒頭にありましたがその通り画像での演習が載っています。 （出典;『Coursera Machine Learning』 By Mr. Andrew Ng) 色数を256色か…
今回も↓の課題に取り組みます。 （出典;『Coursera Machine Learning』 By Mr. Andrew Ng) ①idxが1のときにはXはそのままで idxが=2と3のXの要素は0にさせて、 ②縦行ごとに平均をとろうという作戦でした。 まず①の実験です。 結果です。 うまくいきました 続…
今回はこの課題↓Compute Centroid Meansに取り組みたいと思います。 （出典;『Coursera Machine Learning 』By Mr.Andrew Ng) こういう順番で取り組んでいきます。 問題文を読む 課題プログラム全体版を読み解く(ex7.m） 課題プログラム個別版を読み解く（Co…
前回に引き続き↑のFind Closest Centroidsに取り組みます。 前回はこの式で計算結果を取り出せるけど900X1のベクトルになってしまっている ので、これを300X3にしたいというところで躓いていました。 900X1のベクトルは↓のようにすれば、300X3にできます。 …
今回はこの一番上の課題に取り組みます。 問題の趣旨はまずは2D Datasetを使ってK-meansに慣れてくださいということですね。 x1,x2,・・・・xmのTraining Setについて、 どのCentroid（中心点）に最も近いかを振り分けていくことが求められています。 中心点…
Video⑧Principal Component Analysis Problem Formation Video⑨Principal Component Analysis Algorithm Video⑩Reconstruction from Compressed Representatation Video⑪Choising the Number of Principal Conponents Video⑫Advice for Applying PCA Video⑧P…
Video①Unsupervised Learning Introduction Video②K-means Algorithm Video③Optimization Objective Video④ Random Initialization Video⑤Choosing the Number of Clusters Video⑥MotivationI；Data Compression Video⑦MoticaionII；Visualization ここでは…
