机器学习_standford_Andrew Ng

最新推荐文章于 2018-11-09 16:18:48 发布
最新推荐文章于 2018-11-09 16:18:48 发布
阅读量771 收藏
点赞数
分类专栏： machine learning
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/llwszjj/article/details/24886789
版权

公开课网址http://v.163.com/special/opencourse/machinelearning.html

名称 视频下载
[第1集] 机器学习的动机与应用 
[第2集] 监督学习应用.梯度下降 
[第3集] 欠拟合与过拟合的概念 
[第4集] 牛顿方法 
[第5集] 生成学习算法 
[第6集] 朴素贝叶斯算法 
[第7集] 最优间隔分类器问题 
[第8集] 顺序最小优化算法 
[第9集] 经验风险最小化 
[第10集] 特征选择   
[第11集] 贝叶斯统计正则化 
[第12集] K-means算法 
[第13集] 高斯混合模型 
[第14集] 主成分分析法 
[第15集] 奇异值分解 
[第16集] 马尔可夫决策过程 
[第17集] 离散与维数灾难 
[第18集] 线性二次型调节控制 
[第19集] 微分动态规划 
[第20集] 策略搜索   

llwszjj
关注
专栏目录
ANDREW Ng教授的机器学习（Machine Learning）学习笔记（2）-- 线性回归模型（Linear regression model）
AllenHe1的博客
09-15 565
ANDREW Ng教授的机器学习（Machine Learning）学习笔记（2）– 线性回归模型（Linear regression model）（一）认识线性回归 　　机器学习中，监督式学习算法通常分为分类算法和回归算法。分类算法是对离散型分布的预测，较为经典的算法如支持向量机（SVM）、logistic回归等。回归算法适用于连续型分布的预测，对于给定的样本集，用一个函数去拟合使拟合函数与样本
斯坦福Ng机器学习课程笔记（中文版）
04-14
【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14讲】 因子分析的EM算法、主成分分析 【第15讲】 PCA的奇异值分解、独立成分分析 【第16讲】 马尔可夫决策过程 【第17讲】 解连续状态的MDP 【第18讲】 线性二次调节 【第19讲】 微分动态规划及线性二次型高斯 【第20讲】 策略搜索算法
斯坦福大学Andrew Ng学习笔记
Pesally的博客
03-24 500
线性回归 代价函数 Gradient Descent Learning rate 特征缩放 Feature Scaling 逻辑回归 逻辑回归模型 判断边界 代价函数Cost Function 多类别分类 正则化 Regularization 正则化线性回归 正则化逻辑回归 神经网络 非线性假设 模型表示 Model Representation 反向传播算法 梯度检验 随机初始化...
Stanford 教授 Andrew Ng 的 Deep Learning 教程
05-23
Stanford 教授 Andrew Ng 的 Deep Learning 教程,包含最全人脸库，支持向量机通俗导论（理解SVM的三层境界）带完整书签版本.pdf，深度学习的基本理论与方法.pptx，BP神经网络的基本原理等
Andrew Ng_Stanford原版Machine Learning课程材料
02-06
Coursera上的Machine Learning想来大家都有所耳闻，不过那是简化版本，Stanford教学版本深度要大得多，附件中是整理好的该课程所有的笔记和作业问题集，包括Lecture notes、section notes、Supplementary Notes和problem sets。
SVM NG机器学习
ncst
07-31 430
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning
机器学习课程：Coursera的斯坦福机器学习MOOC，作者：Andrew Ng
02-04
《机器学习课程：Coursera的斯坦福机器学习MOOC》是全球知名计算机科学家Andrew Ng在Coursera平台上开设的一门经典课程，旨在为学员提供深入的机器学习理论与实践知识。这门课程覆盖了从基础概念到高级技术，不仅...
吴恩达斯坦福机器学习讲义
05-24
《吴恩达斯坦福机器学习讲义》是全球知名计算机科学家吴恩达（Andrew Ng）在斯坦福大学教授CS229机器学习课程时的原始讲义，这是一份宝贵的教育资源，适合对机器学习感兴趣的初学者和专业人士。该讲义涵盖了机器学习...
Stanford 机器学习公开课讲义
03-05
斯坦福大学的机器学习公开课讲义是全球范围内备受瞩目的教育资源，由著名计算机科学家吴恩达（Andrew Ng）教授主讲。这个课程深入浅出地介绍了机器学习的基础理论和实践应用，为初学者和专业人士提供了丰富的学习...
Matlab向量化编程实现机器学习算法---2
雁寻
05-24 1204
2. 神经网络---正向传播       考虑一个三层神经网络(一个输入层、一个隐含层、以及一个输出层)，并且假定x是包含一个单一训练样本的列向量。则向量化的正向传播步骤如下： z2 = w1.x + b1 a2 = f(z2) z3 = w2.a2 + b2 h(x) = a3 = f(z3) 当我们需要处理m个训练样本时，则需要把如上步骤放入一个for循环中
Matlab向量化编程实现机器学习算法---1
雁寻
05-23 2541
假设x和θ为向量(n+1维实向量空间)，需要计算 z=θ(T)x（θ(T)表示θ的转置），那么可以按以下方式实现： z = 0; for i=1:(n+1),     z = z + theta(i) * x(i); end; 上述代码为非向量化编程，为了更加简洁和提高运行速度，可以采用以下向量化编程方式： z = theta' * x;    %theta'表示θ的转
Class 18：线性二次型调节控制
HaiYang_Gao的博客
11-09 602
斯坦福大学公开课 ：机器学习课程（Andrew Ng）——1、整体看一看
mmc2015的专栏
01-02 3872
============================================================================【课程综述】============================================================================ 第一课时：     机器学习的定义【 The Definition of Ma
斯坦福大学(Andrew Ng)机器学习课程讲义
klzhang的专栏
11-12 9374
斯坦福大学(Andrew Ng)机器学习课程讲义 分类： 模式识别2012-12-13 14:21 3076人阅读 评论(0) 收藏 举报 http://see.stanford.edu/see/courseinfo.aspx?coll=348ca38a-3a6d-4052-937d-cb017338d7b1 http://www.stanford.edu/c
斯坦福大学公开课机器学习课程（Andrew Ng）九经验风险最小化
一路前行
08-22 3243
课程概述： 1.偏差/方差（Bias/variance） 2.经验风险最小化（Empirical Risk Minization，ERM） 3.联合界引理与Hoeffding不等式 4.一致收敛（Uniform Convergence） 一、偏差/方差   偏差与方差对应的仍然是过拟合与欠拟合的问题，本篇主要解决的问题就在于构建一个模型，对何时出现过拟合和欠拟合进行说明
【CS229 lecture18】linear quadratic regulation(LQR) 线性二次型调节控制
qiusuoxiaozi的博客
03-10 7538
lecture18 今天来讨论我最喜欢的算法之一，用以控制MDP，我觉得是一个优雅、高效、强大的算法。先讨论MDP的几个常见变种（与现有的MDP定义会有不同）。Agenda state-action rewards finite horizon MDPs linear dynamical systems 线性动力系统 -models -linear quadratic regulati
Coursera上的Andrew Ng《机器学习》学习笔记Week1
家辉自留地
01-17 2306
Coursera上的Andrew Ng《机器学习》学习笔记Week1 作者：雨水/家辉，日期：2017-01-17，CSDN博客：http://blog.csdn.net/gobitan 注：本课程结合Octave讲解！Octave是类似MATLAB的数值计算软件。 Lecture 1: Introduction 什么是机器学习？ 机器学习就是不通过显示地编程而赋
R语言实现电影评分推荐
一个IT菜鸟的自白
05-02 8998
recommenderlab 是R语言非常强大的包，能帮助使用者针对评分数据或者0-1(不喜欢/喜欢)二分数据开发和测试推荐算法，本文就是利用该包对于 movielens 的电影评分数据进行预测和推荐，会对比基于用户的协同过滤和基于项的协同过滤在推荐效果上的差别。 1 获取电影数据 电影数据来源于http://grouplens.org/datasets/movielens/网站，本文
Stanford机器学习：逻辑回归与过拟合解决方案- Regularization
"这篇资源是关于Stanford大学机器学习课程中的逻辑回归（Logistic Regression）以及如何解决过拟合问题的教程，由Jackie_Zhu撰写，并提供了相关的博客链接。主要内容涉及逻辑回归在分类问题中的应用，特别是面对二...
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