![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 79
xmfthu
北京理工大学自动化学院导航制导与控制方向在读硕士研究生,感兴趣内容为惯性导航与智能导航,机器人,计算机视觉。
展开
-
Stanford机器学习(Andrew Ng)Lecture1
本博客为自己学习斯坦福大学Andrew Ng教授机器学习课程(CS229)的笔记整理。并试图对一些课上提出的重要算法给出MATLAB仿真代码。Lecture1第一课主要是对于本课程的介绍,包括必要的先修课程等,这里就不多说了。我们可以想象一下传统意义的编程该怎么做?我们应该根据下棋的规则,利用搜索方法,用计算机给出向前推理若干步的棋盘局势,并根据一些相应的处理策略(我们提前编好原创 2014-01-31 20:10:41 · 1780 阅读 · 0 评论 -
Stanford机器学习(Andrew Ng)Lecture2(一)
Lecture2 梯度下降,最小二乘Part I 梯度下降方法(gradient descent)梯度下降法是求解函数极小值的数值解法之一,它的优点是原理易懂,计算简单,但是易于陷入函数的局部极小值点(local optimum),受初始值影响较大。梯度下降法的原理很简单。想象自己站在山顶,如何下山才能尽快地达到山脚呢?我们可以360度环绕四周,看看沿着各个方向的下降陡峭程度。我们原创 2014-01-31 20:09:09 · 1440 阅读 · 0 评论 -
Adaboost算法初探
本文主要介绍机器学习中的自适应 Adaboost原创 2014-06-07 16:00:23 · 1172 阅读 · 0 评论