斯坦福CS229機器學習課程筆記一：線性回歸與梯度下降算法
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， ...
原文：cs229課程索引
重要說明 這個系列是以cs 為參考，梳理下來的有關機器學習傳統算法的一些東西。所以說cs 的有些內容我會暫時先去掉放在別的部分里面，也會加上很多重要的，但是cs 沒有講到的東西。而且本系列大部分時間在自講自話，如果看不懂的話，還是以原版課程為重。 課程資源 課程主頁 網易公開課翻譯的課程視頻 cs 課件翻譯 cs 練習題解答 重要參考資料 統計機器學習 李航 機器學習 周志華 個人筆記 cs pa ...
2018-05-14 20:04 1 741 推薦指數：
相關推薦
關於CS50課程
CS50課程是美國哈佛大學的一門計算機課程，全名為“Introduction to Computer Science ”，主講人David Malan。已經看了兩期的CS50課程了，實在被美國的老師和教育方式所吸引。在此寫下幾點感受：1.課程用CS50為名字代替其復雜的全名。僅用簡單的字母和數 ...
斯坦福CS229機器學習課程筆記二：GLM廣義線性模型與Logistic回歸
一直聽聞Logistic Regression邏輯回歸的大名，比如吳軍博士在《數學之美》中提到，Google是利用邏輯回歸預測搜索廣告的點擊率。因為自己一直對個性化廣告感興趣，於是瘋狂google過邏輯回歸的資料，但沒有一個網頁資料能很好地講清到底邏輯回歸是什么。幸好，在CS229第三節課介紹 ...
斯坦福CS229機器學習課程筆記五：支持向量機 Support Vector Machines
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 ...
斯坦福CS229機器學習課程筆記六：學習理論、模型選擇與正則化
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） ...
CS229 Machine Learning作業代碼:Problem Set 1
牛頓法求解二分類邏輯回歸參數 Repeat{ \(\theta:=\theta-H^{-1}\nabla_\theta l(\theta)\) } 其中，Hessian矩陣\(H ...
CS229 斯坦福大學機器學習復習材料(數學基礎) - 線性代數
CS229 斯坦福大學機器學習復習材料(數學基礎) - 線性代數 線性代數回顧與參考 1 基本概念和符號 1.1 基本符號 2 矩陣乘法 2.1 向量-向量乘法 ...
H5課程大綱
K1模塊課程: 課程模塊 課程階段 課程內容 K1 模塊 第1階段 認識前端開發 環境配置、使用標簽的分類、寫法及使用規范CSS樣式的使用 ...