Coursera 机器学习个人总结

黄水生

于 2021-04-05 16:46:09 发布

阅读量790

点赞数

CC 4.0 BY-SA版权

分类专栏：个人总结文章标签：机器学习

本文链接：https://blog.csdn.net/jackhh1/article/details/115441909

个人总结专栏收录该内容

5 篇文章

订阅专栏

完成了Coursera上的机器学习课程，内容包括监督式学习、非监督式学习、特殊应用和系统建议。课程适合初学者，提供了习题、答疑和丰富的学习资源。学完后建立了初步的机器学习框架，并计划通过kaggle竞赛和阅读进一步提升。推荐的学习资源包括习题讲解和机器学习算法讲解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Coursera上的《机器学习》课，终于学完了，虽然课程内容很基础，但机器学习里面要用到的算法，达叔都讲解到了，即便没有CS229那样把公式完整推导一遍，但对于初学者来说，这样的课程内容编排，习题设计，还有论坛答疑，都非常的友好，学完了这门课后，心里就有底气了很多，大脑里可以说组建了一个初级版的机器学习框架，这种成就感让我坚信自己，后续通过参加kaggle竞赛，阅读书籍一步步迭代，可以在机器学习这条道路上越走越远。

总共11周的课程学习到的主要内容有：
一、监督式学习：线性回归、逻辑斯蒂回归、神经网络、支持向量机
二、非监督式学习：K近邻学习、主成分分析、异常检测
三、机器学习特殊应用：推荐系统、大规模机器学习
四、创建机器学习系统的建议：偏差/方差、正则化、算法评价、如何做下一步、学习曲线、误差分析、上限分析
在这里插入图片描述
–学习笔记：由于机器学习这门课网上已经有很多人分享自己的学习笔记，而且有很多很优秀的笔记，所以在这里我就不再分享自己的笔记了，收集下几位大佬的笔记，供大家学习参考。