0-机器学习技法-台大林轩田

最新推荐文章于 2025-09-11 23:49:31 发布
转载 最新推荐文章于 2025-09-11 23:49:31 发布 · 64 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/LS1314/p/11181110.html
文章标签：

#人工智能

本文提供机器学习技法课程的所有笔记链接。该课程由台大林轩田授课，笔记涉及LR、CNN、AdaBoost等内容，转载自https://www.cnblogs.com/LS1314/p/11181110.html 。

1. 本文主题

导航页：提供本门课程的所有笔记Link

2. 关于这门课程

  • 信息：机器学习技法，台大林轩田

3. 笔记link聚合

  1. LR
  2. CNN
  3. AdaBoost

转载于:https://www.cnblogs.com/LS1314/p/11181110.html

台湾大学-林轩田-机器学习笔记
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。课程涵盖了机器学习的基础知识、理论、算法以及实际应用，是一份对初学者和有经验的研究者都极有价值的资料。内容主要分为两...
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
机器学习基石 机器学习技法 林轩田 课件 ppt
baidu_18841535的博客
10-30 2687
机器学习技法 课件 ppt 下载地址：https://www.csie.ntu.edu.tw/~htlin/mooc/ 这是林轩田在台大的个人网页 handout slides忽略了放映过程，在每一张幻灯片都显示全了，下边还有presentation slides，都是pdf格式 百度了一下，前几个网站居然要积分等等乱七八糟的东西。。。 ...
机器学习 | 台大林轩田机器学习技法课程笔记7 --- Blending and Bagging
sdu_hao的博客
12-30 491
上节课我们主要介绍了Support Vector Regression，将kernel model引入到regression中。首先，通过将ridge regression和representer theorem结合起来，得到kernel ridge regression。但是其解是dense的，即大部分不为零。为了得到sparse解，我们将regularized tube error和Lagra...
台大林轩田·机器学习技法记要
qiusuoxiaozi的博客
06-25 9752
台大林轩田·机器学习技法 记要6/1/2016 7:42:34 PM 第一讲 线性SVM 广义的SVM，其实就是二次规划问题把SVM问题对应到二次规划的系数这就是线性SVM，如果想变成非线性，只要把x变成phi(x)就可以了，在基石中讲过。题目：SVM蕴含正则化不同于PLA，SVM的VC维变小了考虑算法的VC维（注意，以前讨论的都是hypothesi
台湾国立大学（林轩田）《机器学习技法》（第10讲）Random Forest（RF）
malele4th
01-29 278
课程地址：https://class.coursera.org/ntumlone-001/class 课件讲义：http://download.youkuaiyun.com/download/malele4th/10212756 注明：文中图片来自《机器学习技法》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 10 Random Fores
台大林轩田机器学习技法完全解读
qq_34993631的博客
04-07 611
支持向量机（SVM）完全解读集成学习完全解读神经网络深度学习完全解读感谢林轩田老师！
台湾大学林轩田机器学习基石课程学习笔记3 -- Types of Learning
红色石头的专栏
05-02 7896
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解决线性分类问题的一个简单的方法：PLA。PLA能够在平面中选择一...
林轩田机器学习 | 机器学习技法课程笔记9 --- Decision Tree
sdu_hao的博客
12-31 427
上节课我们主要介绍了Adaptive Boosting。AdaBoost演算法通过调整每笔资料的权重(数据集中每个样本的采样频率)，得到不同的hypotheses，然后将不同的hypothesis乘以不同的系数进行线性组合。这种演算法的优点是，即使底层的假设 g不是特别好(只要比乱选好点)，经过多次迭代后算法模型会越来越好，起到了boost提升的效果。本节课将在此基础上介绍 一种新的aggrega...
台湾大学林轩田机器学习技法课程学习笔记10 -- Random Forest
红色石头的专栏
07-26 5378
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Decision Tree模型。Decision Tree算法的核...
台湾大学林轩田机器学习技法课程学习笔记8 -- Adaptive Boosting
红色石头的专栏
07-17 5863
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！ 上节课我们主要开始介绍Aggregation Models，目的是将不同的hypoth...
机器学习技法(台大-林轩田 课件
12-21
【机器学习技法(台大-林轩田 课件】是台湾大学林轩田教授的机器学习课程资料，其中包含了丰富的机器学习理论和实践知识。这些课件详细讲解了多种机器学习方法，帮助学习者深入理解并掌握这一领域的核心技术。 在...
机器学习技法(台大-林轩田)数据集
05-25
机器学习技法(台大-林轩田)数据集 Embedding Numerous Features [嵌入大量的特徵] -- Linear Support Vector Machine [線性支持向量機] -- Dual Support Vector Machine [對偶支持向量機] -- Kernel Support Vector ...
台大 林轩田 机器学习技法 课堂ppt 全
12-18
台大 林轩田老师公开课机器学习技法的课堂ppt，2积分方便大家下载
MOSS-TTSD: 文本对话式语音克隆
m0_72580657的博客
09-10 1600
MOSS-TTSD是一款突破性的对话语音生成系统，专为提升人机交互体验而设计。基于Qwen3-1.7B-base模型优化，它支持中英双语，实现零样本音色克隆和长达960秒的连续语音生成。核心创新包括XY-Tokenizer（1kbps低比特率编码）和对话语境建模技术，经过110万小时语音数据训练。性能评估显示其词错误率低至1.90%，媲美顶尖模型。适用于播客、直播、教育等多种场景，提供本地部署方案。目前支持双人对话克隆，多人对话功能正在开发中。
大模型应用开发八股
weixin_58493933的博客
09-10 766
多智能体系统指的是。
Manus AI与多语言手写识别
最新发布
h_k10086的博客
09-11 427
Manus AI的背景与核心功能手写识别技术在AI领域的重要性Manus AI与其他手写识别技术的对比。
神经网络矩阵的点乘与叉乘概述
Hanlin的博客
09-09 321
本文介绍了三种常见的矩阵运算方式：1）点乘（逐元素相乘），使用*或torch.mul实现；2）叉乘（矩阵乘法），通过torch.mm或torch.matmul实现；3）相加（逐元素相加），使用+或torch.add完成。每种运算都配有对应的数学符号表示：点乘（⊙）、叉乘（⊗）、相加（⊕）。文中还提到这些运算都支持广播机制。这些基础运算在深度学习框架中广泛应用。
GPT系列--类GPT2源码剖析
2401_83634908的博客
09-08 1449
无需多言，大家应该都用过了，如今都更新到GPT-5了。
台湾大学林轩田机器学习技法全套课件
从给定的文件信息中，我们可以提炼出以下知识点，围绕“机器学习技法”这一主题，以及与台湾大学林轩田教授的课程内容相关的信息。 ### 知识点一：机器学习基础知识 在“机器学习技法”这一课程中，基础概念的理解...
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