sndnyangd的专栏

ipython notebook 好用， 方便学习， python 比 mathlab/octave 用途广， 所以不如用 python 来试试。      honor code 不许公开代码， 但我是用 python 实现的， 毕竟不是填空题的作业， 无法提交， 不影响吧，  像前沿分析课 得悠着点， 那个的编程练习是填空题——运行了看结果就行。      nbviewer 请看：

支持向量机SVM介绍参考以下文献： pluskid支持向量机系列博文，特别是图片引用 pluskid-svmAndrew Ng在斯坦福的cs229讲义， cs229

本文参考以下内容：1. Andrew Ng在斯坦福的cs229， cs229  1. 线性回归基础： 点击打开链接2. 线性回归标准方程（closed form）： 点击打开链接3. 线性回归概率解释: 点击打开链接主页： 点击打开链接

zhimind-深度学习目录， 学习笔记， 主要根据Hinton在Coursera 开的 [neural network for machine learning](https://www.coursera.org/learn/neural-networks)

Title: 机器学习三要素 category: 机器学习 tags: CS 机器学习 人工智能 深度学习 summary: 统计机器学习三要素， 模型+策略+算法， 主要出自李航的《统计学习方法》 致谢模型损失函数总结策略总结算法深度学习目录链接 完整版李航《统计学习方法》

Title: 感知器基础 Date: 2016-10-19 17:53:50 category: 机器学习 tags: CS, 机器学习, 人工智能 summary: 感知器基础， 也是模型， 策略， 算法， 应该还有证明 模型策略算法编程实践深度学习目录链接本文完整版链接致谢本文来自以下内容：李航《统计学习方法》第2章 感知机