机器学习
关注
分享
扫一扫
文章平均质量分 79
万能滴小笼包
哦，菜鸟一枚
展开
-
机器学习笔记1——监督学习
笔记源自斯坦福大学公开课， 吴恩达教授的机器学习。大部分笔记内容源自讲义，少部分是自己的思考。个人理解不同，机器学习菜鸟，有理解不对的地方请参照原视频与讲义，也可以一起探讨，以上。翻译 2017-03-29 09:39:26 · 736 阅读 · 0 评论 -
机器学习笔记5——朴素贝叶斯算法
针对文本分类的事件模型支持向量机的部分前期知识翻译 2017-04-22 16:08:21 · 1060 阅读 · 0 评论 -
机器学习笔记10——应用机器学习算法的建议
应用机器学习的过程中，可能遇到的一些问题以及对应的一些建议，花较少的时间得到不错的效果，挖掘问题，对症下药。翻译 2017-05-16 19:57:49 · 1569 阅读 · 0 评论 -
机器学习笔记7——核
对核的介绍核可以应用到支持向量机算法中，可使SVMs在高维度特征空间中有良好的、高效的表现SMO算法等翻译 2017-05-08 10:07:53 · 669 阅读 · 0 评论 -
机器学习笔记6——支持向量机
支持向量机的前期推导过程利用对偶问题、KKT条件等概念优化间隔分类器翻译 2017-05-05 14:01:38 · 531 阅读 · 0 评论 -
机器学习笔记9——特征选择
模型选择，特征选择翻译 2017-05-12 13:50:25 · 1085 阅读 · 0 评论 -
机器学习笔记4——生成学习算法
生成学习算法朴素贝叶斯翻译 2017-04-15 18:30:51 · 914 阅读 · 0 评论 -
机器学习笔记8——ERM
这一章开始将学习理论偏差与方差的权衡ERM——经验风险最小化翻译 2017-05-09 20:28:26 · 13581 阅读 · 2 评论 -
机器学习笔记3——牛顿方法
除了梯度下降外，最大似然估计的另一种方法——牛顿方法的介绍广义线性模型翻译 2017-04-04 19:18:16 · 3575 阅读 · 0 评论 -
机器学习笔记2—— 欠拟合与过拟合
机器学习之欠拟合与过拟合，同样包括部分的逻辑回归算法讲解。翻译 2017-03-29 21:10:24 · 3108 阅读 · 0 评论 -
机器学习笔记11——无监督学习之k-means聚类算法
无监督学习k-means聚类算法混合高斯模型EM算法翻译 2017-05-18 13:22:04 · 1879 阅读 · 0 评论