机器学习课程笔记

最新推荐文章于 2022-07-25 22:08:34 发布
原创 最新推荐文章于 2022-07-25 22:08:34 发布 · 223 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文是关于机器学习的课程笔记，涵盖了吴恩达cs229的内容。第一讲介绍了机器学习的基本概念，包括四个组件：机器函数、经验、任务和性能。第二讲详细讲解了线性回归和逻辑回归，包括线性回归的最小二乘估计和最大似然估计，以及逻辑回归的假设函数和最大似然估计。还提到了多类分类的两种方法。

课程目录


课程名称：Learning from Data（Machine learning）

参考：吴恩达 cs229 https://github.com/mxc19912008/
Andrew-Ng-Machine-Learning-Notes

1. Lecture1-Overview of Machine Learning

1.1 What is Machine Learning

four components:

machine function f
experience E
task T
performance P

在这里插入图片描述

inferance VS predication
在这里插入图片描述
challenge of Deep learning
r)

2. Lecture2-Linear Regression and Logistic Regression

▶ Linear Regression
▶ Binary Classification
▶ Multi-Class Classification

2.1 Linear Regression

model
在这里插入图片描述
model estimation

▶ Least Square Estimation
▶Maximum Likelihood Estimation

在这里插入图片描述

ordinary least square
在这里插入图片描述
minimize J
在这里插入图片描述

在这里插入图片描述

2.2 Logistic Regression

Hypothesis function
在这里插入图片描述
Maximum likelihood estimation for logistic regression

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.3 Multi-class classification

Method one: translate to k binary classification
在这里插入图片描述
Method two: softmax
在这里插入图片描述

Lecture3

李宏毅21《机器学习》课程笔记
weixin_55768678的博客
09-15 755
课程地址：(强推)李宏毅2021春机器学习课程_哔哩哔哩_bilibili 仅作为个人学习笔记的记录，欢迎大家讨论和指正 1.机器学习基本概念（P2） Machine Learning（机器学习） 机器学习学习到底是什么？一句话概括：让机器具备找一个函式（数）的能力 如：识别语音、识别图片、AlphaGo训练一个合适的函式进行自动下棋，等等。 Different Type Of Function（函数类别） 根据函式的不同，机器学习也有不同的类别 1.Regression 输出为具体.
吴恩达 - 机器学习课程笔记（持续更新）
热门推荐
做一只猫的博客
02-26 3万+
吴恩达机器学习
斯坦福机器学习ML公开课笔记1-15（完整版、带目录索引和NG原版讲义）
11-07
1-15节全部完整版讲义！超清分享~~~（附赠目录索引和NG原版讲义） 含金量高，独家整理~~ 目录如下： 公开课笔记1-2——线性规划、梯度下降、正规方程组 公开课笔记3——局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4——牛顿方法、指数分布族、广义线性模型 公开课笔记5——生成学习、高斯判别、朴素贝叶斯 公开课笔记6——NB多项式模型、神经网络、SVM初步 公开课笔记7——最优间隔分类、原始/对偶问题、SVM对偶 公开课笔记8———核技法、软间隔分类器、SMO算法 公开课笔记9—偏差/方差、经验风险最小化、联合界、一致收敛 公开课笔记10——VC维、模型选择、特征选择 公开课笔记11——贝叶斯正则化、在线学习、ML应用建议 公开课笔记12——K-Means、混合高斯分布、EM算法 公开课笔记13A——混合高斯模型、混合贝叶斯模型 公开课笔记13B-因子分析模型及其EM求解 公开课笔记14——主成分分析 公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
机器学习总结——机器学习课程笔记整理
weixin_44580210的博客
02-24 1979
机器学习笔记整理说明基础点整理一些零七八碎的基础知识 说明 之前看paper的时候，发现语义SLAM领域涉及到很多机器学习的知识，去年开学便花时间恶补了一阵机器学习的知识，主要参考的是小象学院的机器学习课程，结合《统计学习》《机器学习》，这篇博客主要是以课程的框架对知识点进行总结，并整理了网络上相关的一些简答问题 基础点整理 一些零七八碎的基础知识 ...
机器学习课程笔记+课件.zip
04-11
资源内容：斯坦福大学机器学习笔记+清华大学机器学习概论课件 适合人群：信息学、计算机、人工智能本科生/研究生、互联网从业人员、人工智能爱好者
斯坦福大学机器学习课程个人笔记完整版
10-17
斯坦福大学机器学习课程个人笔记完整版。页面清晰，内容详实。是机器学习入门的好教材。
机器学习课笔记_吴恩达机器学习笔记_
10-01
吴恩达机器学习视频配套笔记，大家可以在B站上搜索视频进行学习
林轩田-吴恩达机器学习笔记.pdf
09-22
林轩田-吴恩达机器学习笔记.pdf
机器学习课程笔记完整版
05-21
机器学习课程笔记完整版 机器学习 目录 机器学习算法课程定位、目标 定位 课程以算法、案例为驱动的学习，伴随浅显易懂的数学知识 作为人工智能领域(数据挖掘/机器学习方向)的提升课程，掌握更深更有效的解决问题技能 目标 应用Scikit-learn实现数据集的特征工程 掌握机器学习常见算法原理 应用Scikit-learn实现机器学习算法的应用，结合场景解决实际问题 一、机器学习概述 1、机器学习概述 1.1 人工智能概述 1.2 什么是机器学习 1.3 机器学习算法分类 1.4 机器学习开发流程 1.5 学习框架和资料介绍 二、特征工程 2.1 数据集 2.2 特征工程介绍 2.3 特征提取 2.4 特征预处理 2.5 特征降维 2.6 主成分分析 2.7总结 2.8每日作业 三、分类算法 3.1数据集介绍与划分 3.2sklearn转换器和估计器 3.3K-近邻算法 3.4模型选择与调优 3.5朴素贝叶斯算法 3.6决策树 3.7集成学习方法之随机森林 3.8总结 3.9每日作业 四、回归与聚类算法 4.1线性回归 4.2欠拟合与过拟合 4.3线性回归的改
吴恩达老师机器学习课程笔记pdf
10-28
作者黄海广，GitHub地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
吴恩达机器学习课程笔记
最新发布
08-17
资源下载链接为： https://pan.quark.cn/s/94e23f1509df 吴恩达机器学习课程笔记 。（最新、最全版本！打开链接下载即可用！）
Coursera吴恩达《构建机器学习项目》课程笔记（2）-- 机器学习策略（下）
红色石头的专栏
11-27 1万+
我的CSDN博客地址：红色石头的专栏 我的知乎主页：红色石头 我的微博：RedstoneWill的微博 我的GitHub：RedstoneWill的GitHub 我的微信公众号：红色石头的机器学习之路（ID：redstonewill） 欢迎大家关注我！共同学习，共同进步！ 这是Andrew Ng深度学习专项课程第三门课《构建机器学习项目》的第二节笔记，第一节...
吴恩达机器学习笔记
yhy1315的博客
01-22 3460
线性回归方程 为了解决实际生活中的问题，我们通常需要一个数学模型。比如，小明有一个房子（他想卖掉房子），为了知道房子的价格，小明收集了该地区近两年的房屋交易价格，他发现房屋价格与房屋大小呈正相关，所以他画了了一幅图 小明的房屋大小用红色的×代替。可见和小明房屋一样大小的房子并不存在，而类似的房屋价格又有很大差别，如此小明决定用一个数学函数来呈现该地区不同房屋大小的价格趋势。这就是拟合。
机器学习入门学习笔记
weixin_51579074的博客
07-25 484
机器学习入门学习笔记
李宏毅《机器学习》卷积神经网络课程笔记
Irene_Loong的博客
09-04 1769
李宏毅网课《机器学习》卷积神经网络笔记，内附上课的ppt。现在墙内bilibili已经有小伙伴搬运了，李宏毅的《机器学习》和《深度学习》都很棒。 这个课程强烈安利，讲的很好！
Coursera 斯坦福吴恩达机器学习课程笔记 (1)
李皮皮的博客
04-14 4524
看了课程一周后发现忘光了，决定做一个笔记用作复习。如果涉及到侵权问题请联系我，我会立马删除并道歉。同时，禁止任何形式的转载，包括全文转载和部分转载。如需使用请联系本人 422892137@qq.com。如若发现侵权行为，我学过知识产权法的，嘿嘿第一周：基础概念和介绍对机器学习的理解机器学习现在也没有统一的定义。最浅显易懂的就是赋予计算机不需要得到清晰完整代码就能够通过“自我学习”来完成任务的能力(...
机器学习（幂次学院）笔记
会哭的孩子有奶喝
03-17 1356
GitHub项目推荐：https://github.com/MLEveryday/100-Days-Of-ML-Code 机器学习常见面试题整理：http://kubicode.me/2015/08/16/Machine%20Learning/Common-Interview/ 有监督学习和无监督学习的区别 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测...
研究生课程——learning from data——overview
m0_37876745的博客
09-20 338
overview 任务： 20%+30%+50%（期中期末mini project和日常的编程任务） 5次手写的作业和4次编程作业，每2周一次 课程资料： Christopher M. Bishop - Pattern Recognition and Machine Learning-Springer (2006) Understanding Machine Learning: Fr...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值