重要說明 這個系列是以cs229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cs229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cs229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 ...

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， ...

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 ...

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 ...

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 ...

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） ...

監督學習 對於一個房價預測系統，給出房間的面積和價格，以面積和價格作坐標軸，繪出各個點。 定義符號： \(x_{(i)}\)表示一個輸入特征\(x\)。 \(y_{(i)}\)表示一個輸 ...

課程內容：Machine Learning 專項課程 https://www.coursera.org/specializations/machine-learning 課程的作業主要分兩部分，一部分是根據課程的知識點回答問題，還有一部分是根據編程來回答問題，這里提供了編程的內容 ...