CCH陈常鸿Blog

斯坦福《机器学习》吴恩达教授公开课梯度下降课堂讲义：http://cs229.stanford.edu/section/cs229-linalg.pdf梯度下降（Gradient Descent）本章介绍线性回归中最基础的方法--最小二乘法的一个特例基本形式：f(x) = w1x1 + w2x2+ ...+ wixi + bxi是x在第i个特征上的取值；f(x)为模型输

先来看一个例子：假设广东娱乐大学里面男生和女生人数比例是3：1,男生中留长发的比例是10%，女生留长发的比例是80%。现在随机观测到N个留长发的学生的背影，推论这N个学生中女生的比例。这里假设学校总人数是U人，P(男)表示U人中男生的比例，即75%，P(长发|男）表示在男里面长发的比例，即10%，这就是个条件概率。那么，同样地，P(女）=25%，P（长发|女）=80%

本文转自莫烦大佬了解强化学习中常用到的几种方法,以及他们的区别, 对我们根据特定问题选择方法时很有帮助. 强化学习是一个大家族, 发展历史也不短, 具有很多种不同方法. 比如说比较知名的控制方法Q learning, Policy Gradients, 还有基于对环境的理解的 model-based RL 等等. 接下来我们通过分类的方式来了解他们的区别.Model-free

哦~从这章开始，要写一个系列有关机器学习的套路。从原理开始吧，机器学习的代码到处都能找到呢。选教程的话，推荐周志华的《机器学习》，视频教程看吴恩达教授的机器学习公开课就可以了。数据集（data set），样本（sample)或特征向量(feature vector），特征(feature)或者属性(attribute),属性值(attribute value)，维数(dimen

看完基础的神经网络原理，觉得不就先线性回归，然后往回求导更新权值嘛，也不难。但是落实到代码的时候，就写不出来....就是那种道理我都懂，就是做不出来的感觉。 矩阵左乘右乘，矩阵求导看不明白，出门右拐看矩阵论教程，直接就从深度学习到深度厌学了....... 本篇就推荐一个老外phD的网站，他认为即使不用太好的数学也能做机器学习，所以他实现神经网络的方法都没有矩阵计算，老外的网站：...