台大林轩田机器学习课程笔记前言

最新推荐文章于 2021-11-13 18:59:10 发布
原创 最新推荐文章于 2021-11-13 18:59:10 发布 · 1.1k 阅读 · 14 ·
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。
文章标签：

#机器学习 #人工智能 #深度学习 #神经网络

本文分享了从《林轩田机器学习基石&技法》等经典资料中提炼的机器学习核心知识点，涵盖有监督学习、无监督学习、深度学习等多个方面，适合初学者及进阶者阅读。
部署运行你感兴趣的模型镜像

正确的判断来自于经验，而经验来自于错误的判断。— Frederick P. Brooks

本专栏为机器学习笔记文件，参考资料有《林轩田机器学习基石&技法》《机器学习》《吴恩达机器学习课堂》《神经网络与深度学习》《Sklearn 与 TensorFlow 机器学习实用指南》。

感谢林轩田老师！让我入门机器学习，不再止步调包侠。同时也想向有需要的同学推荐，讲的真的非常好。详细的笔记见专栏 《机器学习基石》 和 《机器学习技法》。视频观看可点击：《机器学习基石》 和 《机器学习技法》。（感谢B站UP主：爱可可-爱生活上传视频，如果视频失效可以留言）

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

《机器学习基石》笔记系列
Eathen的练级之路
03-24 493
前言 “机器学习基石”是 Coursera 上一门关于机器学习的课程，由国立台湾大学的老师林轩田讲授。该课程一共有16节课，主要介绍了机器学习领域的基础理论知识。 授课大纲 课程的大纲如下，以下的每个小项目对应到约一小时的课程： When Can Machines Learn? [何时可以使用机器学习] – The Learning Problem [机器学习问题] – Lear...
机器学习技法 之 聚合模型（Aggregation Model）
士杰的博客
04-24 1万+
聚合模型实际上就是将许多模型聚合在一起，从而使其分类性能更佳。 aggregation models: mix or combine hypotheses (for better performance) 下面举个例子： 你有 TTT 朋友，他们对于股票涨停的预测表现为 g1,⋯ ,gTg_1,\cdots ,g_Tg1​,⋯,gT​。 常见的聚合（aggregation）方法有： sele...
台湾大学林轩田机器学习基石课程学习笔记4 -- Feasibility of Learning
红色石头的专栏
05-02 1万+
我的优快云博客地址：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！ 上节课，我们主要介绍了根据不同的设定，机器学习可以分为不同的类型。其中，监督式学习中的...
台湾大学林轩田机器学习技法课程学习笔记1 -- Linear Support Vector Machine
红色石头的专栏
06-21 1万+
我的优快云博客地址：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！ 关于台湾大学林轩田老师的《机器学习基石》课程，我们已经总结了16节课的笔记。这里附上基...
台湾大学林轩田机器学习技法课程学习笔记16（完结） -- Finale
红色石头的专栏
08-21 4925
我的优快云博客地址：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！ 上节课我们主要介绍了Matrix Factorization。通过电影推荐系统的例子，...
台湾大学林轩田机器学习基石课程学习笔记16（完结） -- Three Learning Principles
热门推荐
红色石头的专栏
06-06 2万+
我的优快云博客地址：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！ 上节课我们讲了一个机器学习很重要的工具——Validation。我们将整个训练集分成两...
林轩田之机器学习课程笔记（when can machines learn之learning problem）（32之1）
小猪观察家
12-21 725
前言 课程简介 什么是机器学习 为什么要用机器学习 机器学习的应用 机器学习的构成 机器学习和其他领域的关系 欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen前言其实很早就看完了该课程，看了两遍。在实际的运用中，会发现会慢慢的变成调参侠，比如使用比较火热的XGB，深度学习中的GoogLeNet。调一调，用一用。可以了上线。虽然这些算法的原理都是了解的，但总归是缺点什
机器学习笔记——前言
tw0108的博客
03-01 139
什么是学习 observation->learning->skill （improve some performance measure(e.g.prediction accuracy) ） data->ML->skill 假设某系统按规则运行，人们不知晓这个规则，但我们有这个规则所产生的范例。那么通过范例进行回代，找到规则。 相当于已知函数符合y=kx，通过样例点，求到k...
ApacheCN 机器学习译文集 20211111 更新
龙哥盟
11-13 1405
台湾大学林轩田机器学习笔记 机器学习基石 1 – The Learning Problem 2 – Learning to Answer Yes/No 3 – Types of Learning 4 – Feasibility of Learning 5 – Training versus Testing 6 – Theory of Generalization 7 – The VC Dimension 8 – Noise and Error 9 – Linear Regression 10 – Lo.
【机器学习】笔记6：Decision Tree 决策树
Eivind
09-03 1356
文章目录递归问题1.Decision Tree1.1 What is Decision Tree?1.2 Why Decision Tree?1.3 How Decision Tree?1.4 :Random Forest 递归问题 1、用较简单的问题来表示较复杂的问题。 　　2、不能产生自己调用自己的无穷序列。即必须要有一个是递归出去的出口。   1.Decision Tree 1.1...
台大林轩田机器学习基石资源汇总 精炼笔记.zip
01-06
《台大林轩田机器学习基石资源汇总》是一份针对机器学习基础知识的综合学习资料，由台湾大学的林轩田教授提供。这份精炼笔记涵盖了机器学习领域的重要概念、算法和应用，旨在帮助学习者系统地理解和掌握机器学习的...
台湾大学-林轩田-机器学习笔记
最新发布
05-13
台湾大学林轩田教授的机器学习课程笔记，为机器学习的理论和实践提供了全面而深入的介绍...台湾大学林轩田教授的机器学习课程笔记是学习机器学习领域的宝贵资源，无论是对于学术研究还是工业应用，都有重要的参考价值。
台湾大学林轩田机器学习基石笔记_红色石头pdf
05-12
《台湾大学林轩田机器学习基石笔记》是由著名学者林轩田教授编著的一份深入浅出的机器学习教程，这份资源因其详实的内容和易读性被广大学习者推崇，尤其是红色石头版本更是其中的精华。PDF格式的文档不仅方便了读者...
台湾大学林轩田机器学习基石笔记（红色石头）
07-05
台湾大学林轩田机器学习基石笔记（红色石头）
机器学习技法 之 支持向量回归（SVR）
士杰的博客
05-03 2654
核逻辑回归（Kernel Logistic Regression） SVM 和 Regularization 之间的联系 软间隔支持向量机的原最优化问题为： min⁡b,w,ξ12wTw+C⋅∑n=1Nξn s.t. yn(wTzn+b)≥1−ξn and ξn≥0 for all n \begin{aligned} \min ...
机器学习技法 之 径向基函数网络（RBF Network）
士杰的博客
05-02 2518
径向基函数网络（Radial Basis Function Network）：就是将基假设函数进行线性聚合。 径向基函数网络假设函数（RBF Network Hypothesis） 先回顾一下高斯支持向量机（Gaussian SVM）： gsvm(x)=sign⁡(∑SVαnynexp⁡(−γ∥x−xn∥2)+b) g _ { \mathrm { svm } } ( \mathbf { x } )...
机器学习技法 之 随机森林（Random Forest）
士杰的博客
04-26 2497
森林顾名思义就是有很多树，这里的树当然就是决策树。实际上随机森林就是将 fully-grown C&RT decision tree 作为 bagging 基模型（base model）。 random forest (RF) = bagging + fully-grown C&RT decision...
机器学习技法 之 矩阵分解（Matrix Factorization）
士杰的博客
05-02 2125
推荐系统 这里用推荐系统的应用实例引出矩阵分解： 现在有一个电影评分预测问题，那么数据集的组成为： {(x~n=(n),yn=rnm): user n rated movie m} \left\{ \left( \tilde { \mathbf { x } } _ { n } = ( n ) , y _ { n } = r _ { n m } \r...
机器学习技法 之 聚合模型总结（Summary of Aggregation Models）
士杰的博客
04-27 1954
Blending Models（融合模型） Blending：指的是当已有丰富多样的 gtg_tgt​ 时，进行聚合（Aggregate）。（aggregate after getting diverse gtg_tgt​）。 常用的三种 Blending 模型如下： uniform : 是认为不同的 gtg_tgt​ 之间可能可以相互修正，从而提高稳定性（stability）。而 non-un...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

FlameAlpha

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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