u011584941的专栏

斯坦福大学机器学习第四课“逻辑回归(Logistic Regression)”本次课程主要包括7部分：1) Classification(分类)2) Hypothesis Representation3) Decision boundary(决策边界)4) Cost function(代价函数，成本函数)5) Simplified cost func

斯坦福大学机器学习第六课“神经网络的表示(Neural Networks: Representation)”本次课程主要包括7部分：1)  Non-linear hypotheses (非线性hypotheses)2)  Neurons and the brain (神经元和大脑)3)  Model representation I (模型表示一)4)  Model repre

斯坦福大学机器学习第五课"正则化“本次课程主要包括4部分：1)  The Problem of Overfitting(过拟合问题)2)  Cost Function(成本函数)3)  Regularized Linear Regression(线性回归的正则化)4)  Regularized Logistic Regression(逻辑回归的正则化)以下是每一部分的详细解

斯坦福大学机器学习第一课“引言(Introduction)”一、机器学习概览1）机器学习定义:机器学习是人工智能的一个分支，目标是赋予机器一种新的能力。机器学习的应用很广泛，例如大规模的数据挖掘（网页点击数据，医疗记录等），无人驾驶飞机、汽车，手写手别，大多数的自然语言处理任务，计算机视觉，推荐系统等。 机器学习有很多定义，广为人知的有如下两条：

斯坦福大学机器学习第三课“多变量线性回归(Linear Regression with Multiple Variables)”斯坦福大学机器学习第四课”多变量线性回归“学习笔记，本次课程主要包括7部分：1) Multiple features(多维特征)2) Gradient descent for multiple variables(梯度下降在多变量线性回归中

斯坦福大学机器学习第二课“单变量线性回归(Linear regression with one variable)”发表于 2012年05月6号 由 52nlp斯坦福大学机器学习第二课”单变量线性回归“学习笔记，本次课程主要包括7部分：1) Model representation(模型表示)2) Cost function(代价函数，成本函数)3) C