斯坦福大学公开课机器学习课程
关注
分享
扫一扫
文章平均质量分 76
禛zhen
读书太少，想的太多
//欢迎关注我的公众号 禛的树洞
展开
-
【十五】奇异值分解
介绍了《机器学习》第十五讲的内容，包含隐含语义分析LSI，奇异值分解SVD和独立成分分析ICA的相关知识。原创 2016-11-04 13:28:16 · 620 阅读 · 0 评论 -
【六】朴素贝叶斯算法
介绍了《机器学习》课程第六讲的内容，包括神经网络算法，被给出了支持向量机关于函数间隔和几何间隔的定义。原创 2016-10-23 11:40:15 · 524 阅读 · 0 评论 -
【习题集一】监督学习
《机器学习》课程作业集一题解原创 2016-10-23 21:35:35 · 772 阅读 · 0 评论 -
【七】最优间隔分类器问题
介绍了《机器学习》第七讲的内容，推到了支持向量机SVM的相关公式，并给出一些概念的几何意义。原创 2016-10-24 20:42:52 · 1332 阅读 · 0 评论 -
【八】顺序最小优化算法
介绍了《机器学习》公开课第八讲的内容，包括核模型、L1正则化、坐标上升算法、SMO算法等。原创 2016-10-25 17:40:15 · 1888 阅读 · 0 评论 -
【九】经验风险最小化
本文介绍了《机器学习》公开课第九讲的内容，主要介绍了学习理论，包括Union Bound和Hoeffding Inequality，重点讲解了经验风险最小算法ERM和有限假设集情况。原创 2016-10-25 23:46:03 · 2847 阅读 · 0 评论 -
【十】特征选择
本文介绍了《机器学习》公开课第十讲的内容，包括无限假设集、交叉验证和特征选择原创 2016-10-26 16:25:20 · 1402 阅读 · 0 评论 -
【十一】贝叶斯统计正则化
本文介绍了《机器学习》课程第十一讲的内容，包括贝叶斯正则算法、在线学习算法及如何开发机器学习算法的内容。原创 2016-10-27 11:06:23 · 3756 阅读 · 0 评论 -
【习题集二】核、支持向量机和学习理论
《机器学习》习题集二题解。原创 2016-10-28 23:00:15 · 1146 阅读 · 0 评论 -
【十二】K-Means算法
介绍了《机器学习》第十二讲的内容，包括K均值算法，混合高斯分布模型和EM算法。原创 2016-10-29 16:28:49 · 615 阅读 · 0 评论 -
【十三】高斯混合模型
介绍了《机器学习》第十三讲的内容，包括进阶的高斯分布，因子分析及相应的EM算法。原创 2016-10-30 22:09:16 · 1226 阅读 · 0 评论 -
【五】生成学习算法
介绍了《机器学习》课程中第五讲的内容，介绍了生成学习算法和高斯分类算法原创 2016-10-22 23:44:23 · 694 阅读 · 0 评论 -
【四】牛顿方法
介绍了《机器学习》第四讲的相关内容，并介绍了牛顿法和指数分布族的概念。原创 2016-10-22 14:53:20 · 1207 阅读 · 0 评论 -
【三】欠拟合与过拟合
介绍了《机器学习》课程第三讲的内容，介绍了欠拟合和过拟合，并介绍了多种机器学习算法。原创 2016-10-21 21:37:53 · 1483 阅读 · 0 评论 -
【十六】马尔科夫决策过程
介绍了《机器学习》第十六讲的内容，包括了马尔科夫决策过程MDP，以及解决MDP常用的值迭代Value Iteration和政策迭代Policy Iteration过程，以及解决概率估计和迭代过程的方法。原创 2016-11-04 20:56:38 · 4335 阅读 · 0 评论 -
【十七】离散与维数灾难
介绍了《机器学习》第十七讲的内容，针对连续状态的马尔科夫决策过程MDP，提出了模型/模拟器思路和匹配值迭代算法。原创 2016-11-05 12:25:49 · 2070 阅读 · 0 评论 -
【十九】微分动态规划
介绍了《机器学习》第十九讲的内容，包括微分动态规划模型DDP，卡尔曼滤波Kalman Filter以及线性二次高斯解法LDQ原创 2016-11-05 23:44:22 · 3201 阅读 · 1 评论 -
【十八】线性二次型调节控制
介绍了《机器学习》第十八讲的教程，包括有限边界马尔科夫决策过程，LQR问题等。原创 2016-11-05 17:38:00 · 3638 阅读 · 0 评论 -
【二十】策略搜索
介绍了《机器学习》第二十讲的内容，包括POMDPs算法，以及策略搜索算法。原创 2016-11-06 12:06:30 · 3074 阅读 · 0 评论 -
【习题集三】学习理论和无监督学习
介绍了《机器学习》课程第三个习题集的问题及解法原创 2016-11-06 21:29:04 · 1359 阅读 · 0 评论 -
【习题集四】无监督学习和强化学习
介绍了《机器学习》课程习题集的题目和解答。原创 2016-11-07 14:02:24 · 2565 阅读 · 0 评论 -
【后记】关于做一件事
没什么摘要，更完了机器学习教程的笔记，写点什么标记一下，闲言碎语而已。原创 2016-11-07 14:12:18 · 504 阅读 · 0 评论 -
【一】机器学习的动机与应用
介绍《机器学习》公开课第一讲的内容，主要为课程安排。原创 2016-10-20 14:46:28 · 852 阅读 · 0 评论 -
【二】梯度下降
介绍了《机器学习》课程第二讲的内容，介绍了梯度下降法原创 2016-10-20 21:39:20 · 684 阅读 · 0 评论 -
【十四】主成分分析
介绍了《机器学习》第十四讲的内容，包括上一讲介绍过的因子分析的EM算法，和主成分分析算法。原创 2016-11-01 23:46:58 · 691 阅读 · 0 评论