重要说明 这个系列是以cs229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cs229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cs229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 ...

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， ...

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 ...

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 ...

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 ...

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） ...

监督学习 对于一个房价预测系统，给出房间的面积和价格，以面积和价格作坐标轴，绘出各个点。 定义符号： \(x_{(i)}\)表示一个输入特征\(x\)。 \(y_{(i)}\)表示一个输 ...

课程内容：Machine Learning 专项课程 https://www.coursera.org/specializations/machine-learning 课程的作业主要分两部分，一部分是根据课程的知识点回答问题，还有一部分是根据编程来回答问题，这里提供了编程的内容 ...