Andrew Moore CMU machine learning Notes（ML part）

最新推荐文章于 2022-10-25 01:20:56 发布
最新推荐文章于 2022-10-25 01:20:56 发布
阅读量399 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/TheOneAc1/article/details/78072610
版权

墒

这里写图片描述

增益

这里写图片描述

增益率

这里写图片描述

贝叶斯分类器

这里写图片描述

朴素贝叶斯

这里写图片描述
这里写图片描述

分布规则

这里写图片描述

高斯分布

这里写图片描述

MLE

这里写图片描述

线性回归

这里写图片描述

线性感知器

这里写图片描述

线性感知激活

这里写图片描述

动量方法

这里写图片描述

交叉验证

这里写图片描述

最近邻

这里写图片描述

k邻近

这里写图片描述

核回归（近邻加权）

这里写图片描述

局部加权（拟合加权）

这里写图片描述
这里写图片描述

高斯混合假设

这里写图片描述

马尔科夫

描述

这里写图片描述

三问题

前向迭代层次计算解决概率计算
维比特算法动态规划记录最佳路径
模型学习EM算法

这里写图片描述

EM for HMM

这里写图片描述

TheOneAc1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
文献阅读 - Example-Based Cosmetic Transfer
Always On The Way
03-18 1068
基于实例的妆容迁移（Example-Based Cosmetic Transfer） 摘要 妆容迁移 所需条件：化妆前后对比图像（实例），AAA和A∗A^{\ast}A∗； 输入：图像（目标）BBB 输出：妆容迁移图像B∗B^{\ast}B∗ 1 引言 妆容迁移（transfer cosmetic style）： （1）实例面部皮肤特征，如雀斑、痣和瑕疵等，不应被迁移； （2）目...
【菜鸟学深度】Introduction to Machine Learning CMU-10701
ColdZoo Blog
04-22 1755
大家好，我是ColdZoo，本博客是在学习 卡耐基梅隆大学的Slides— Introduction to Machine Learning CMU-10701 （以下简称Slides）之后得出的总结。记录下自己的成长。 目前写到LeNet部分，你的支持是我写下去的动力哦~ 大部分内容为英文直接翻译，一切版权归原作者Barnabás Póczos & Aarti Singh所有。 Slides
Andrew Ng机器学习笔记（一）
Hyaloidz的博客
04-28 393
机器学习简介 一、简介 我们的生活与机器学习息息相关，机器学习是使电脑学习的一种科学，而不借助于明确的程序，机器学习中的神经网络算法（模拟人类的直观思维）在AI中应用广泛。Machine learning发源于人工智能领域，与工业界和基础科学界联系紧密。并且，随着网络和自动化技术的快速发展，机器学习越来越普遍。 二、定义 Arthur Samuel：在进行特定编程的情况下...
252个核心词根——词缀（前缀-后缀）总结大全【最全-一文看懂！！！】
热门推荐
刘鑫磊
02-29 34万+
目录： 一：什么是词根词缀？ 1.图解 2.词缀 3.词根 4.补充 （1）通假【清辅音浊化，浊辅音清化】 （2）辅音主表意 （3）元音主发音 （4）五组通假关系 （5）英语单词记忆八大原理 5.词根词缀大全https://www.youdict.com/root/root.php 二：学词根词缀有必要吗？ 记单词步骤 三：252个常用英语词根记忆法背单词 252词...
attempting to use incompatible return type 提示 解决
愿我如星君如月 ... 夜夜流光相皎洁 ...
01-17 3万+
一、问题：方法返回类型上有红线，提示信息：... attempting to use incompatible return type 要返回的类型和定义的类型不一致，在A方法中调用B方法，直接返回B方法的返回结果， 在B方法中返回的是 X 包下的 Response 对象，但是在A方法中返回的是 Y 包中的Response 对象。 导致返回类型不一致 。 二、解决： 导包时导同
全球名校AI课程库（13）| CMU卡内基梅隆 · 多模态机器学习课程『Multimodal Machine Learning』
最新发布
ShowMeAI研究中心
10-25 1万+
课程以多模态(MMML)为主题，讲解基本概念、多种数据形态联合建模方法，并回顾近期MMML概率模型和计算算法的论文，讨论当前面临的挑战。
Practical Machine Learning实用机器学习 章1
皮皮blog
06-14 4718
http://blog.csdn.net/pipisorry/article/details/46490177 实用机器学习Practical Machine Learning courses学习笔记 Practical Machine Learning实用机器学习 1.1 Prediction motivation预测的动机 课程概览About this course Th
coursera Machine learning Andrew NG 笔记（一）
laura0949的博客
01-15 1285
看到不少推荐Andrew Ng的机器学习的课程，所以在coursera上注册了开始学。2016年1月15日1. Introduction1. machine learning definition Arthur Samuel(1959): Machine learning is a field of study that gives computers the ability to learn
Machine Learning Overview
The Rain in the Night
06-03 1372
Journal: http://jmlr.csail.mit.edu/papers/Blog: http://hunch.net/Surveys: http://www.mlsurveys.com/Tutorials: http://www.autonlab.org/tutorials/Lectures: http://www.cs.cmu.edu/~tom/10701_sp11/lectures
CMU11-777 multimodal machine learning Fall 2019讲义
02-24
该文件集是CMU开设的11-777课程，名为multimodal machine learning，每年fall学期开设。 本讲义是2019 Fall的版本。 课程介绍： Description Multimodal machine learning (MMML) is a vibrant multi-...
machine learning ppt
09-30
《机器学习PPT：CMU课程精华解析》 在当今数据驱动的时代，机器学习作为人工智能的一个重要分支，已经成为科研和工业界的热门话题。这组来自CMU（卡内基梅隆大学）的机器学习课程讲义，以PDF格式的PPT形式呈现，为...
mlforpublicpolicylab:CMU公共政策实验室课程ML回购
05-04
10718，94889：公共政策实验室的数据分析/机器学习**先前版本： **2020年秋季：星期二和星期三，下午3：20-4：40，项目部门：星期三5​​：10-6：30pm或6：40-8pm **所有会话都可以通过Zoom进行远程控制（请参见画布...
CMU的Bhiksha Raj 教授Machine Learning for Signal Processing的课件
02-06
CMU的Bhiksha Raj 教授Machine Learning for Signal Processing的课件 Recommended Background DSP – Fourier transforms, linear systems, basic statistical signal processing Linear Algebra – ...
10601machine_learning:cmu 机器学习 matlab 脚本
07-07
【标题】"10601machine_learning:cmu 机器学习 matlab 脚本" 涉及的是一个与机器学习相关的项目，这个项目基于MATLAB编程环境，由卡内基梅隆大学（Carnegie Mellon University, CMU）提供。MATLAB是一种广泛用于科学...
Bagging 与Boosting 特点分析
TheOneAc1的博客
07-30 3784
bagging 与boosting的数学原理
《统计学习方法》笔记一
TheOneAc1的博客
09-09 962
统计学习对象 统计学习对象是数据，从数据出发，提取出特征，抽象出数据模型，发现数据知识，用于对回溯的分析和预测中 统计学习方法 获取新年数据集合 确定所有可能包含模型的假设空间，即学习模型的集合（模型） 确定模型选择准则（策略） 实现最优求解模型的算法（算法） 选择最优模型 利用最优模型分析预测新数据 监督学习每一个输入实例由一个输入向量表示 回归：输入输出变
PCA与SVD简洁解析（参考CS231n)
TheOneAc1的博客
07-30 836
PCA算法 PCA的算法步骤： 设有m条n维数据。 1）将原始数据按列组成n行m列矩阵X 2）将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值 3）求出协方差矩阵C=1mXXTC=1mXXT 4）求出协方差矩阵的特征值及对应的特征向量 5）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P 6）Y=PXY=PX即
Gradient boosting Newton boosting
TheOneAc1的博客
01-22 620
Gradient boosting Newton boosting Newton tree boosting
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值