應該是去年的這個時候，我開始接觸機器學習的相關知識，當時的入門書籍是《數據挖掘導論》。囫圇吞棗般看完了各個知名的分類器：決策樹、朴素貝葉斯、SVM、神經網絡、隨機森林等等；另外較為認真地復習了統計學，學習了線性回歸，也得以通過orange、spss、R做一些分類預測工作。可是對外說自己是搞機器學習 ...

稍微了解有監督機器學習的人都會知道，我們先通過訓練集訓練出模型，然后在測試集上測試模型效果，最后在未知的數據集上部署算法。然而，我們的目標是希望算法在未知的數據集上有很好的分類效果（即最低的泛化誤差），為什么訓練誤差最小的模型對控制泛化誤差也會有效呢？這一節關於學習理論的知識就是讓大家知其然也知 ...

SVM被許多人認為是有監督學習中最好的算法，去年的這個時候我就在嘗試學習。不過，面對長長的公式和拗口的中文翻譯最終放棄了。時隔一年，看到Andrew講解SVM，總算對它有了較為完整的認識，總體思路是這樣的：1.介紹間隔的概念並重新定義符號；2.分別介紹functional margins ...

了邏輯回歸，第四節課介紹了廣義線性模型，綜合起來總算讓我對邏輯回歸有了一定的理解。與課程的順序相反，我認為 ...

斯坦福大學機器學習 課程信息 　　機器學習是一門研究在非特定編程條件下讓計算機采取行動的學科。最近二十年，機器學習為我們帶來了自動駕駛汽車、實用的語音識別、高效的網絡搜索，讓我們對人類基因的解讀能力大大提高。當今機器學習技術已經非常普遍 ...

(Notes and Codes of Machine Learning by Andrew Ng from Stanford University) 說明：為了保證連貫性，文章按照專題而不是原本的課程進度來組織。 零、什么是機器學習？ 機器學習就是：根據已有的訓練集D，采用學習算法A，得到 ...

學習Coursera上的斯坦福機器學習課程的時候，需要向其服務器提交編程作業，我遇到如下問題： ‘Submission failed: unexpected error: urlread: Peer certificate cannot be authenticated with given ...