吴恩达机器学习笔记
laiczhang
做一件好事。
展开
-
斯坦福大学吴恩达机器学习教程中文笔记——目录
斯坦福大学2014机器学习教程中文笔记目录第一周一、 引言(Introduction)1.1 欢迎1.2 机器学习是什么?1.3 监督学习1.4 无监督学习二、单变量线性回归**(Linear Regression with One Variable**)2.1 模型表示2.2 代价函数2.3 代价函数的直观理解I2.4 代价函数的直观理解II2.5 梯度下降2.6 ...原创 2019-04-21 21:48:17 · 2086 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week9——异常检测,推荐系统
第9周文章目录第9周@[toc]十五、异常检测(Anomaly Detection)15.1 问题的动机15.2 高斯分布15.3 算法15.4 开发和评价一个异常检测系统15.5 异常检测与监督学习对比15.6 选择特征15.7 多元高斯分布(选修)15.8 使用多元高斯分布进行异常检测(可选)十六、推荐系统(Recommender Systems)16.1 问题形式化16.2 基于内容的推...原创 2019-04-22 19:04:50 · 1980 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week8——聚类,降维
typora-root-url: …\images第8周文章目录typora-root-url: ..\images第8周@[toc]十三、聚类(Clustering)13.1 无监督学习:简介13.2 K-均值算法13.3 优化目标13.4 随机初始化13.5 选择聚类数十四、降维(Dimensionality Reduction)14.1 动机一:数据压缩14.2 动机二:数据可视化1...原创 2019-04-22 19:03:55 · 1795 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week7——支持向量机
第7周文章目录第7周@[toc]十二、支持向量机(Support Vector Machines)12.1 优化目标12.2 大边界的直观理解12.3 大边界分类背后的数学(选修)12.4 核函数112.5 核函数212.6 使用支持向量机十二、支持向量机(Support Vector Machines)12.1 优化目标参考视频: 12 - 1 - Optimization Objec...原创 2019-04-22 19:02:50 · 1400 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week6——应用机器学习的建议,机器学习系统的设计
第6周文章目录第6周@[toc]十、应用机器学习的建议(Advice for Applying Machine Learning)10.1 决定下一步做什么10.2 评估一个假设10.3 模型选择和交叉验证集10.4 诊断偏差和方差10.5 正则化和偏差/方差10.6 学习曲线10.7 决定下一步做什么十一、机器学习系统的设计(Machine Learning System Design)11...原创 2019-04-22 19:01:50 · 1385 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week5——神经网络的学习
第5周文章目录第5周@[toc]九、神经网络的学习(Neural Networks: Learning)9.1 代价函数9.2 反向传播算法9.3 反向传播算法的直观理解9.4 实现注意:展开参数9.5 梯度检验9.6 随机初始化9.7 综合起来9.8 自主驾驶九、神经网络的学习(Neural Networks: Learning)9.1 代价函数参考视频: 9 - 1 - Cost F...原创 2019-04-22 19:00:35 · 1549 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week4——神经网络:表述
第4周文章目录第4周@[toc]第八、神经网络:表述(Neural Networks: Representation)8.1 非线性假设8.2 神经元和大脑8.3 模型表示18.4 模型表示28.5 特征和直观理解18.6 样本和直观理解II8.7 多类分类第八、神经网络:表述(Neural Networks: Representation)8.1 非线性假设参考视频: 8 - 1 - ...原创 2019-04-21 22:00:09 · 1340 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week3——逻辑回归,正则化
第3周文章目录第3周@[toc]六、逻辑回归(Logistic Regression)6.1 分类问题6.2 假说表示6.3 判定边界6.4 代价函数6.5 简化的成本函数和梯度下降6.6 高级优化6.7 多类别分类:一对多七、正则化(Regularization)7.1 过拟合的问题7.2 代价函数7.3 正则化线性回归7.4 正则化的逻辑回归模型六、逻辑回归(Logistic Regre...原创 2019-04-21 21:55:37 · 1340 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week2——多变量线性回归,octave教程
第2周文章目录第2周@[toc]四、多变量线性回归(Linear Regression with Multiple Variables)4.1 多维特征4.2 多变量梯度下降4.3 梯度下降法实践1-特征缩放4.4 梯度下降法实践2-学习率4.5 特征和多项式回归4.6 正规方程4.7 正规方程及不可逆性(可选)五、Octave教程(Octave Tutorial)5.1 基本操作5.2 移动...原创 2019-04-21 21:53:31 · 1711 阅读 · 0 评论 -
斯坦福大学吴恩达机器学习教程中文笔记——week1——引言,单变量线性回归,线性代数回顾
第1周文章目录第1周@[toc]引言(Introduction)1.1 欢迎1.2 机器学习是什么?1.3 监督学习1.4 无监督学习二、单变量线性回归(Linear Regression with One Variable)2.1 模型表示2.2 代价函数2.3 代价函数的直观理解I2.4 代价函数的直观理解II2.5 梯度下降2.6 梯度下降的直观理解2.7 梯度下降的线性回归2.8 接下...原创 2019-04-21 21:51:59 · 3059 阅读 · 0 评论