![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML网易公开课
csdn_lzw
这个人很菜什么也没写
展开
-
线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2
转载自:http://blog.csdn.net/xinzhangyanxiang/article/details/9101621 最近在看Ng的机器学习公开课,Ng的讲法循循善诱,感觉提高了不少。该系列视频共20个,每看完一个视频,我都要记录一些笔记,包括公式的推导,讲解时候的例子等。按照Ng的说法,公式要自己推理一遍才能理解的通透,我觉得自己能够总结出来,发到博客上,也能达到这个效果,希望有转载 2016-10-21 15:00:27 · 359 阅读 · 0 评论 -
局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3 注:公式17第一行抄写有误,求导底数取e 转载自:http://blog.csdn.net/xinzhangyanxiang/article/details/9113681 最近在看Ng的机器学习公开课,Ng的讲法循循善诱,感觉提高了不少。该系列视频共20个,每看完一个视频,我都要记录一些笔记,包括公式的推导,讲解时候的转载 2016-10-31 16:54:07 · 292 阅读 · 0 评论 -
牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4
注:公式21,22,23.求和号的下标j改为i。 转载自:http://blog.csdn.NET/xinzhangyanxiang/article/details/9207047 最近在看Ng的机器学习公开课,Ng的讲法循循善诱,感觉提高了不少。该系列视频共20个,每看完一个视频,我都要记录一些笔记,包括公式的推导,讲解时候的例子等。按照Ng的说法,公式要自己推理一遍才能理解的通转载 2016-11-03 16:11:35 · 324 阅读 · 0 评论 -
生成学习、高斯判别、朴素贝叶斯—斯坦福ML公开课笔记5
注:公式9 转载自:http://blog.csdn.NET/xinzhangyanxiang/article/details/9285001 本篇博客为斯坦福ML公开课第五个视频的笔记,主要内容包括生成学习算法(generate learning algorithm)、高斯判别分析(Gaussian DiscriminantAnalysis,GDA)、朴素贝叶斯(Navie转载 2016-11-09 17:02:48 · 318 阅读 · 0 评论 -
NB多项式模型、神经网络、SVM初步—斯坦福ML公开课笔记6
转载自:http://blog.csdn.net/xinzhangyanxiang/article/details/9722701 本篇笔记针对斯坦福ML公开课的第6个视频,主要内容包括朴素贝叶斯的多项式事件模型(MultivariateBernoulli Event Model)、神经网络(Neural Network)、支持向量机(Support Vector Machine)的函数间隔(f转载 2016-11-10 20:38:13 · 289 阅读 · 0 评论 -
最优间隔分类、原始/对偶问题、SVM对偶—斯坦福ML公开课笔记7
注:kkt条件没写完整 转载自:http://blog.csdn.net/xinzhangyanxiang/article/details/9774135 本篇笔记针对ML公开课的第七个视频,主要内容包括最优间隔分类器(Optimal Margin Classifier)、原始/对偶问题(Primal/Dual Problem)、svm的对偶问题,都是svm(support vector转载 2016-11-15 21:23:10 · 521 阅读 · 0 评论 -
核技法、软间隔分类器、SMO算法——斯坦福ML公开课笔记8
转载自:http://blog.csdn.net/stdcoutzyx/article/details/9798843 本篇对应斯坦福公开课的第8个视频,主要讲述了SVM(Support Vector Machine,支持向量机)的剩余部分。即核技法(Kernels)、软间隔分类器(softmargin classifier)、对SVM求解的序列最小化算法(Sequential Minima转载 2017-02-22 16:00:57 · 558 阅读 · 0 评论