台湾大学机器学习技法笔记整理

最新推荐文章于 2019-02-15 17:14:10 发布
原创 最新推荐文章于 2019-02-15 17:14:10 发布 · 579 阅读 · 2 ·
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

本文精选了多种常用的机器学习算法，包括支持向量机(SVM)的不同形式如dual SVM、kernel SVM、soft SVM等，以及逻辑回归、决策树、随机森林、GBDT、神经网络和深度学习等内容。每种算法都提供了详细的链接以便于深入学习。

1.支持向量机：

http://blog.youkuaiyun.com/huang1024rui/article/details/48184259

2.dual支持向量机：

http://blog.youkuaiyun.com/huang1024rui/article/details/48286777

3.kernel支持向量机：

http://blog.youkuaiyun.com/red_stone1/article/details/73930030

4.soft支持向量机：

http://blog.youkuaiyun.com/huang1024rui/article/details/48462859

5.kernel逻辑回归：

http://blog.youkuaiyun.com/red_stone1/article/details/74506323

6.support vector regress:

http://blog.youkuaiyun.com/gyh_420/article/details/78214985

7.blending:

http://blog.youkuaiyun.com/huang1024rui/article/details/48664909

8.adaboost:

http://www.cnblogs.com/mfmdaoyou/p/6808222.html

9.决策树：

http://blog.youkuaiyun.com/LG1259156776/article/details/46841865

10.随机森林：

http://www.cnblogs.com/wxquare/p/5354498.html

11.gbdt:

http://www.cnblogs.com/wxquare/p/5365481.html

12.神经网络：

http://www.cnblogs.com/xbf9xbf/p/4712785.html

13.深度学习：

http://blog.youkuaiyun.com/red_stone1/article/details/76797484

AI：机器学习的正则化 (Regularization）
HowieXue 薛永浩的博客
01-01 3万+
机器学习之正则化 (Regularization） 1.参数正则化 1.1 L2 Regularization（Ridge Regression，权重衰减） 1.2 L1 Regularization：将噪点相关权重系数设为0（也叫稀疏正则化） 1.3 L1/L2对比： 2. 经验正则化（早停、丢弃Dropout） 为什么要正则化：让模型不要过于依赖样本数据 - 正则化主要思想：降低模型的复杂度 - 正则化主要目的：防止模型过拟合 - 正则化实现思路：最小化损失Loss+ 最小复杂度
台湾大学林轩田机器学习基石笔记（一）
poppy_zlw的博客
09-03 729
What is machine learning？ 1.什么是学习？ 对人类来说学习就是通过观察（视觉、听觉、嗅觉等）掌握某种技能。比如我们从到大认识世界的过程。 对于机器学习，我们希望计算机能够像人类一样，通过在大量的数据中观察，发现事物的规律，获得某种分析与解决问题的能力。 When can machine learning？ - 所要解决的问
台湾大学-机器学习技法 全部课件
10-06
台湾大学-机器学习技法 全部课件 SVM Adaboost 决策树 随机森林 kmeans 自编码器 RBF 深度神经网络 等等
台湾大学机器学习技法笔记
01-21
台湾大学机器学习技法笔记-完整版 回顾一下我们之前介绍了linear classification，对于线性可分的情况，我们可以使用PLA/pocket算法在平面或者 超平面上把正负类分开。
机器学习（台湾李宏毅版）学习笔记 gradient descent
慵懒的黄桃
05-28 519
梯度下降属于线性回归的一个重要的部分。但是这种方法具有局限性，在一般的情况下，并不能保证找到的局部最小就是全局最小。所以这种方法适用于目标函数是凸函数的情况（local minimum == global minimum）。即使是在凸函数中也不能保证最后找到的点就是最小值，这取决于算法的中止条件（即变化率小于一个定值）和所取的参数λ。所以算法很可能在找到一个相对平滑而并非最小值的地方以后就终止。在...
[搬运]台湾大学机器学习课程 by 李宏毅
lgnlgn的专栏
04-03 2万+
台湾大学电机系李宏毅老师讲的机器学习课程，含有deep learning相关内容，深入浅出，建议选择性学习。
台湾大学林轩田机器学习笔记-机器学习技法，机器学习基石
04-29
麻烦改为1积分谢谢，台湾大学林轩田机器学习笔记，整理了台大老师的机器学习技法，机器学习基石的笔记代码
台湾大学林轩田机器学习基石+技法笔记
04-02
台湾大学林轩田教授的《机器学习基石》与《机器学习技法》是两门深受学习者欢迎的在线课程，旨在帮助学生深入理解机器学习的基本概念和应用技巧。这些笔记整理了课程中的关键知识点，便于复习和理解。 在《机器学习...
林轩田机器学习技法课程讲义与笔记合集
《机器学习技法》是台湾大学林轩田教授主讲的一门深入探讨机器学习高级方法与核心技术的课程，旨在帮助学习者从基础的机器学习理论过渡到更复杂的模型构建与优化策略。该课程不仅涵盖了监督学习中的多种进阶算法，还...
台湾大学林轩田机器学习基石课程学习笔记9 -- Linear Regression
红色石头的专栏
05-10 7690
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，我们主要介绍了在有noise的情况下，VC Bound理论仍然是成立的。同时，...
机器学习基石学习记录（台湾大学）
weixin_44267675的博客
02-15 180
已观看课程： lesson1、2、3、4 lesson 8,9 存疑及找到的解释资料： VC维度：https://blog.youkuaiyun.com/qq_34993631/article/details/79200782
台湾国立大学（林轩田）《机器学习基石》（第5讲）Training versus Testing
malele4th
01-17 589
课程地址：https://class.coursera.org/ntumlone-001/class 课件讲义：http://download.youkuaiyun.com/download/malele4th/10208897 注明：文中图片来自《机器学习基石》课程和部分博客 建议：建议读者学习林轩田老师原课程，本文对原课程有自己的改动和理解 Lecture 5 : Training ve
台湾大学李宏毅机器学习课程
06-04
李宏毅（（Hung-yi Lee）目前任台湾大学电机工程学系和电机资讯学院的助理教授，他曾于2012年获得台湾大学博士学位，并于2013年赴麻省理工学院（MIT）计算机科学和人工智能实验室做访问学者。他的研究方向主要是语义理解、语音识别、机器学习和深度学习）老师的机器学习课程以机器学习和深度学习的基础知识为主，包含了AI领域的各种最新知识和技术点。课程深入简出，通俗易懂，颇受欢迎，非常适合对AI感兴趣的学习者。本课程已经获得李宏毅老师授权。
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
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...
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...
机器学习基石------Theory of Generalization
一只小包子的博客
11-14 358
机器学习基石 ------ Theory of Generalization Restriction of break point Bounding Function :Basic Cases Bounding Function:Inductive A Pictorial Proof bounding function B(N,k): 成长函数 mH(N) 这个成长函数的brea...
机器学习算法岗的常见面试问题及准备
weixin_40411446的博客
05-21 5438
机器学习常见问题1) 几种模型（ SVM，LR，GBDT，EM ）的原理以及公式推导； 2) RF,GBDT 的区别； GBDT,XgBoost的区别（烂大街的问题最好从底层原理去分析回答）； 3) 决策树处理连续值的方法； 4) 特征选择的方法； 5) 过拟合的解决方法； 6) K-means 的原理，优缺点以及改进； 7) 常见分类模型（ SVM ，决策树，贝叶斯等）的优缺点，适用场景以及如何...
开发者入门必读：最值得看的十大机器学习公开课
热门推荐
xiangz_csdn的博客
01-17 3万+
[转] http://www.leiphone.com/news/201701/0milWCyQO4ZbBvuW.html 导语：入门机器学习不知道从哪着手？看这篇就够了。 在当下的机器学习热潮，人才匮乏十分显著。截至目前，国内开设人工智能（AI）专业的高校不多，相当多的开发者是跨界入门，需要自学大量知识并摸索。因而优质的学习资源至关重要。因
台湾大学林轩田机器学习基石课程学习笔记8 -- Noise and Error
红色石头的专栏
05-09 7781
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！ 上一节课，我们主要介绍了VC Dimension的概念。如果Hypotheses se...
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