Coursera Machine Learningで学んだことを「機械学習入門」の内容と対応させてみる

「機械学習入門」を読んでみました。

正確には「フリーソフトウェアで学べる機械学習入門」という本です。

読んでいると、『おぉ、これCourseraでやったやつだ！』『Courseraをやったときはこういう位置づけだとは思わなかった』みたいなことがあったので書いてみたいと思います。

まず「機械学習入門」ですが構成が↓だと本に書いていました。

Coursera Machine Learningで何を学んだかについては、

こちらの方のブログを参考にさせて頂きます。

私よりよっぽど頭よくて理解されている方で、まとめがわかりやすくて

好きなブログです。

www.ushiji.online

Week1-11で何をやっていたかを引用させて頂きます↓

Week1（まとめ：本記事）

• Introduction
• Linear Regression with One Variable
• Linear Algebra Review

Week2（まとめ記事）

• Linear Regression with Multiple Variables
• Octave/Matlab Tutorial

Week3

• Logistic Regression（まとめ記事）
• Regularization（まとめ記事）

Week4（まとめ記事）

• Neural Networks: Representation

Week5（まとめ記事）

• Neural Networks: Learning

Week6

• Advice for Applying Machine Learning（まとめ記事）
• Machine Learning System Design（まとめ記事）

Week7（まとめ記事）

• Support Vector Machines

Week8

• Unsupervised Learning（まとめ記事）
• Dimensionality Reduction（まとめ記事）

Week9

• Anomaly Detection（まとめ記事）
• Recommender Systems（まとめ記事）

Week10（まとめ記事）

• Large Scale Machine Learning

Week11（まとめ記事）

• Application Example: Photo OCR

Week10とWeek11以外は対応箇所があると思ったので↓のようにまとめてみました。

これをみて思ったのはPCAは前処理パートに位置づけされていることに気づきました。

Signateの課題を行った時もPCAをやったほうがよかったのかなと思いました。

本の第2章に『機械学習の流れ』が図解されていてので、

Courseraと対応させてみました↓

私が黄金の流れと呼んでいた

①予測式--＞②Cost Function-->③Gradient--＞④最適Θ--＞⑤予測

は『学習』の部分だったんだと思いました。

本とCourseraだと対応させてみて勉強になりました。

面白かったです。

本にPythonで解く例題があるのでしばらく取り組んでみます。