Andrew Ng机器学习公开课01：机器学习动机与应用

最新推荐文章于 2021-10-02 20:58:10 发布

SL_Rain

最新推荐文章于 2021-10-02 20:58:10 发布

阅读量389

点赞数 1

分类专栏：机器学习

本文链接：https://blog.csdn.net/SL_Rain/article/details/72627784

版权

4 篇文章 0 订阅

订阅专栏

  学习型算法：应用：计算机读手写字符、内容推荐（书，电影） 

  前提知识：计算机科学基本原理、 
 大O、数据结构（队列、链表、栈、二叉树）、编程能力（Matlab / Octave）、概率统计（随机变量）、线性代数（矩阵、向量） 

 
 Octave：MATLAB的免费版，功能没有matlab多 

 
 大O符号：用于描述函数渐进行为的数学符号，用另一个（通常更简单的）函数来描述一个函数 
 数量级的渐近上界（ 
 最初是一个大写的希腊字母'Θ'） 

  无穷大渐进： 
 分析算法效率【O(n^2)：该算法具有 2阶的时间复杂度 
 】 

  无穷小渐进： 
 描述数学函数估计中的误差项 

 
 课程分为四部分： 

 
 监督学习：回归（连续）、分类（离散值） 

 
 学习理论（learning theory）：如需要多少训练数据 

 
 无监督学习：聚类问题（应用：计算机视觉；图像处理；像素聚类构建图片的3D模型；鸡尾酒会提取声音） 

 
 强化学习：回报函数（reward function），关键是找到一个好的方式去定义你想要什么，如何定义一个好的行为和坏的行为（例：控制飞机飞行） 

关注

专栏目录