斯坦福CS229机器学习课程笔记一：线性回归与梯度下降算法
应该是去年的这个时候，我开始接触机器学习的相关知识，当时的入门书籍是《数据挖掘导论》。囫囵吞枣般看完了各个知名的分类器：决策树、朴素贝叶斯、SVM、神经网络、随机森林等等；另外较为认真地复习了统计学， ...
原文：cs229课程索引
重要说明 这个系列是以cs 为参考，梳理下来的有关机器学习传统算法的一些东西。所以说cs 的有些内容我会暂时先去掉放在别的部分里面，也会加上很多重要的，但是cs 没有讲到的东西。而且本系列大部分时间在自讲自话，如果看不懂的话，还是以原版课程为重。 课程资源 课程主页 网易公开课翻译的课程视频 cs 课件翻译 cs 练习题解答 重要参考资料 统计机器学习 李航 机器学习 周志华 个人笔记 cs pa ...
2018-05-14 20:04 1 741 推荐指数：
相关推荐
关于CS50课程
CS50课程是美国哈佛大学的一门计算机课程，全名为“Introduction to Computer Science ”，主讲人David Malan。已经看了两期的CS50课程了，实在被美国的老师和教育方式所吸引。在此写下几点感受：1.课程用CS50为名字代替其复杂的全名。仅用简单的字母和数 ...
斯坦福CS229机器学习课程笔记二：GLM广义线性模型与Logistic回归
一直听闻Logistic Regression逻辑回归的大名，比如吴军博士在《数学之美》中提到，Google是利用逻辑回归预测搜索广告的点击率。因为自己一直对个性化广告感兴趣，于是疯狂google过逻辑回归的资料，但没有一个网页资料能很好地讲清到底逻辑回归是什么。幸好，在CS229第三节课介绍 ...
斯坦福CS229机器学习课程笔记五：支持向量机 Support Vector Machines
SVM被许多人认为是有监督学习中最好的算法，去年的这个时候我就在尝试学习。不过，面对长长的公式和拗口的中文翻译最终放弃了。时隔一年，看到Andrew讲解SVM，总算对它有了较为完整的认识，总体思路是这 ...
斯坦福CS229机器学习课程笔记六：学习理论、模型选择与正则化
稍微了解有监督机器学习的人都会知道，我们先通过训练集训练出模型，然后在测试集上测试模型效果，最后在未知的数据集上部署算法。然而，我们的目标是希望算法在未知的数据集上有很好的分类效果（即最低的泛化误差） ...
CS229 Machine Learning作业代码:Problem Set 1
牛顿法求解二分类逻辑回归参数 Repeat{ \(\theta:=\theta-H^{-1}\nabla_\theta l(\theta)\) } 其中，Hessian矩阵\(H ...
CS229 斯坦福大学机器学习复习材料(数学基础) - 线性代数
CS229 斯坦福大学机器学习复习材料(数学基础) - 线性代数 线性代数回顾与参考 1 基本概念和符号 1.1 基本符号 2 矩阵乘法 2.1 向量-向量乘法 ...
H5课程大纲
K1模块课程: 课程模块 课程阶段 课程内容 K1 模块 第1阶段 认识前端开发 环境配置、使用标签的分类、写法及使用规范CSS样式的使用 ...