Andrew Ng机器学习公开课笔记 -- 支持向量机
网易公开课，第6，7，8课 notes，http://cs229.stanford.edu/notes/cs229-notes3.pdf SVM-支持向量机算法概述, 这篇讲的挺好，可以参考 先继续前面对线性分类器的讨论， 通过机器学习算法找到的线性分类的线，不是唯一的，对于一个训练集 ...
原文：Andrew Ng机器学习公开课笔记 -- Logistic Regression
网易公开课，第 ， 课 notes，http: cs .stanford.edu notes cs notes .pdf 前面讨论了线性回归问题， 符合高斯分布，使用最小二乘来作为损失函数 下面继续讨论分类问题，分类问题和回归问题不同在于Y的取值是离散的 我们先讨论最简单的binary classification，即Y的取值只有 和 分类问题一般不会使用回归模型，因为回归模型是输出是连续的，而分 ...
2014-03-28 18:38 1 2723 推荐指数：
相关推荐
Andrew Ng机器学习公开课笔记 -- 线性回归和梯度下降
网易公开课，监督学习应用.梯度下降 notes，http://cs229.stanford.edu/notes/cs229-notes1.pdf 线性回归（Linear Regression） 先看个例子，比如，想用面积和卧室个数来预测房屋的价格 训练集如下 首先，我们假设为线性模型 ...
机器学习公开课笔记(3)：Logistic回归
Logistic 回归 通常是二元分类器（也可以用于多元分类）,例如以下的分类问题 Email: spam / not spam Tumor: Malignant / benign 假设 (Hypothesis)：$$h_\theta(x) = g(\theta^Tx ...
斯坦福大学Andrew Ng教授主讲的《机器学习》公开课观后感
课程设置和内容 视频课程分为20集，每集72-85分钟。实体课程大概一周2次，中间还穿插助教上的习题课，大概一个学期的课程。 内容涉及四大部分，分别是：监督学习（2-8集）、学习理论（9集-11集）、无监督学习（12-15集）、强化学习（16-20集）。监督学习和无监督学习，基本上是机器学习 ...
机器学习公开课笔记(7)：支持向量机
支持向量机(Support Vector Machine, SVM) 考虑logistic回归，对于$y=1$的数据，我们希望其$h_\theta(x) \approx 1$，相应的$\theta^Tx \gg 0$; 对于$y=0$的数据，我们希望$h_\theta(x) \approx ...
机器学习公开课笔记(2)：多元线性回归
多元线性回归 一元线性回归只有一个特征$x$，而多元线性回归可以有多个特征$x_1, x_2, \ldots, x_n$ 假设 (Hypothesis)：$h_\theta(x)=\theta^T ...
机器学习公开课汇总
机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，这里基于课程图谱的机器学习公开课标签做一个汇总整理，便于大家参考对比。 1、Coursera上斯坦福大学Andrew Ng教授的“机器学习公开课”： 机器学习入门课程首选，斯坦福大学教授，Coursera联合创始人 ...
Logistic回归Cost函数和J(θ)的推导----Andrew Ng【machine learning】公开课
Ng的机器学习公开课里也有讲到。现在回忆起来，大二看Andrew的视频的时候心里是有这么一个疙瘩（And ...