coursera ml笔记
tjl_moby
这个作者很懒,什么都没留下…
展开
-
Coursera ML笔记 -----week7 Support Vector Machine
本部分主要解释这么几个问题:1. 从logistic regression到SVM2. SVM和Large Margin Classfier3. SVM的hypothetsis ($\theta^Tf\geq 0$)4. SVM的cost function($\theta^Tf\geq1 \& \theta^Tf\leq-1$)5. kernel function原创 2017-04-09 15:04:32 · 382 阅读 · 0 评论 -
coursera ML笔记 ----week2 多变量的线性回归
多变量的线性回归原创 2017-03-10 23:57:47 · 310 阅读 · 0 评论 -
Coursera ML笔记 -----week3 Logistic Regression
Logistic Regression /Classification原创 2017-03-16 05:39:46 · 255 阅读 · 0 评论 -
coursera 前三张公式速查
前三章公式速查原创 2017-03-24 20:43:10 · 288 阅读 · 0 评论 -
Coursera ML笔记 -----week4 Neural Network -1
Neural Network原创 2017-03-28 15:35:30 · 386 阅读 · 0 评论 -
Coursera ML笔记 -----week5 Neural Network,Back Propagation
后向传播算法原创 2017-03-29 14:16:57 · 409 阅读 · 0 评论 -
Coursera ML笔记 -----week6 Advice for Applying Machine Learning
改进自己的机器学习算法系统原创 2017-04-06 00:30:30 · 748 阅读 · 0 评论 -
Coursera ML笔记 -----week6 -2 Machine Learning System Design
设计一个机器学习的系统原创 2017-04-07 21:36:17 · 544 阅读 · 0 评论 -
Coursera ML笔记 -----week9-1 异常检测
异常检测原创 2017-04-29 17:10:53 · 921 阅读 · 0 评论 -
Coursera ML笔记 -----week9-2 推荐系统
推荐系统原创 2017-04-30 07:48:21 · 528 阅读 · 0 评论 -
Coursera ML笔记 -----week8-2 数据降维
数据降维原创 2017-04-28 20:42:21 · 516 阅读 · 0 评论 -
Coursera ML笔记 -----week8-1 K-means
K-means原创 2017-04-27 21:51:02 · 298 阅读 · 0 评论 -
Coursera ML笔记 --- week1:单变量的线性回归+梯度下降法
2017/3/7week1 supervise learing 监督学习分为两类:分类和回归 分类是将输入变量(feature/attribute)映射成为离散的输出结果,回归是将输入变量映射成为连续的输出结果2017/3/8 cost functioncost fuction 就是squared error function ,如果把y看作是一个变量的话,那就squared原创 2017-03-09 00:50:32 · 382 阅读 · 0 评论