Week8 and Week9

Week8: k-means clustering and PCA

教師なし学習としてK-means clusteringとPCAが取り上げられています。
K-means cluteringの説明がとてもわかりやすかった。
PCAは線形代数の知識をまるっとすっとばしてsvd（特異値分解の解を得るための関数）の使い方に終始。あくまでも機械学習のアプリケーションに重点をおく姿勢はぶれない。Dr. Ngはぶれない。
教育のあり方としても参考になりました。何が重要で何がそんなに重要でないかをはっきりと伝えてもらうことは、初学者にとってとてもありがたいです。

Week9: 異常検知とRecommendation

どちらも実践的な話題です。
異常検知はクレジットカードの不正利用なんかの検出に使われているようです。
RecommendationはAmazonなどで商品をお勧めしてくるあれです。

異常検知でも線形代数の知識をがばっと端折って説明してくれます。
ありがとう、Dr. Ng
でも、いつかはきちんと線形代数のおさらいをしなければ。
また、Courseraにお世話になろう。

Recommendationはいまやインターネットでは見かけない日はないくらい
身近な話題ですね。
Dr. Ngの解説を聞きながら感心しきりです。
とくにCollaborative filtering  algorithmはパラメータθだけでなく
特徴値まで推定してくれるという優れもの。
これには感心しました。
これはシステム解析にも使えるんじゃなかろうかと妄想しております。
脳の各段階で、どのような特徴量が抽出されているのかを機械学習的に割り出すことが
できやしないものか。。。

妄想は膨らみます。


残すところあと２週。
今週中に完了させて、
自分のデータ解析に移りたい。

科研の書類に間に合うかな。