Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja | Nowa wersja Both sides next revision | ||
|
pl:dydaktyka:ml:lab11 [2013/05/14 16:25] esimon [Laboratorium 5 - Regresja Logistyczna] |
pl:dydaktyka:ml:lab11 [2013/05/16 11:35] esimon |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| ====== Laboratorium 11 - Systemy rekomendacyjne i detekcja anomalii====== | ====== Laboratorium 11 - Systemy rekomendacyjne i detekcja anomalii====== | ||
| - | ====== Laboratorium 5 - Regresja Logistyczna ====== | + | Ćwiczenia bazujące na materiałach Daphne Koller \\ |
| - | Ćwiczenia bazujące na materiałach Andrew Ng.\\ | + | Przed zajęciami przejrzyj wykłady: |
| - | Przed zajęciami przejrzyj wykłady XV-XVI: [[https://class.coursera.org/ml/lecture/preview|Anomaly detection and recommender systems]] | + | * [[https://class.coursera.org/pgm-2012-002/lecture/index|Introduction and Overview (Week 1)]] |
| + | * [[https://class.coursera.org/pgm-2012-002/lecture/index|Bayesian Network Fundamentals (Week 1)]] | ||
| - | {{:pl:dydaktyka:ml:ex8.pdf|Instructions}} in English. | + | ===== Wprowadzenie ===== |
| - | Ćwiczenia do pobrania (files to download): {{:pl:dydaktyka:ml:anomaly-detection.zip|}} | ||
| - | ===== Lista i opis plików ===== | ||
| - | Pliki oznaczone znakiem wykrzyknika (:!:) należy wypełnić własnym kodem | ||
| - | |||
| - | * //ex8.m// - Octave/Matlab script for first part of exercise | ||
| - | * //ex8_cofi.m// - Octave/Matlab script for second part of exercise | ||
| - | * //ex8data1.mat// - First example Dataset for anomaly detection | ||
| - | * //ex8data2.mat// - Second example Dataset for anomaly detection | ||
| - | * //ex8_movies.mat// - Movie Review Dataset | ||
| - | * //ex8_movieParams.mat// - Parameters provided for debugging | ||
| - | * //multivariateGaussian.m// - Computes the probability density function for a Gaussian distribution | ||
| - | * //visualizeFit.m// - 2D plot of a Gaussian distribution and a dataset | ||
| - | * //checkCostFunction.m// - Gradient checking for collaborative filtering | ||
| - | * //computeNumericalGradient.m// - Numerically compute gradients | ||
| - | * //fmincg.m// - Function minimization routine (similar to fminunc) | ||
| - | * //loadMovieList.m// - Loads the list of movies into a cell-array | ||
| - | * //movie_ids.txt// - List of movies | ||
| - | * //normalizeRatings.m// - Mean normalization for collaborative filtering | ||
| - | * :!: //estimateGaussian.m// - Estimate the parameters of a Gaussian distribution with a diagonal covariance matrix | ||
| - | * :!: //selectThreshold.m //- Find a threshold for anomaly detection | ||
| - | * :!: //cofiCostFunc.m// - Implement the cost function for collaborative filtering | ||
