本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记,涵盖了大部分课上涉及到的知识点和内容。
本书的章节安排与课程对应关系为:
斯坦福课程 | 本书章节 |
---|---|
Week 2 | 线性回归 |
Week 3 | 逻辑回归 |
Week 4-5 | 神经网络 |
Week 6 | 算法分析与优化 |
Week 7 | SVM(支持向量机) |
Week 8 | K-Means、特征降维 |
Week 9 | 异常检测、推荐系统 |
Week 10 | 大规模机器学习 |
Week 11 | 案例--光学字符识别 |
文中难免不少纰漏甚至严重错误,希望大家指正,这是对我最大的帮助。本书最大的目的也在于交流学习,而不在 star 和传播。任重而道远,你我共勉。