机器学习公开课

公开课可下载资源汇总

1、Coursera上AndrewNg老师的”机器学习公开课(Mach
我是菜小新·2020-07-16 04:57

关于梯度下降算法的理解

最近在看斯坦福大学的机器学习公开课，看了第二节课，看完就已经迷糊了，都没怎么看懂，然后我搜了一下那节课讲的内容，发现原来讲的是线性回归，梯度下降还有正规方程组三个概念。这里我讲一下梯度下降的理解。
liang23333·2020-07-14 13:22

斯坦福机器学习公开课笔记(十五)--[应用]照片OCR技术

公开课地址：https://class.coursera.org/ml-003/class/index授课老师：AndrewNg1、problemdescriptionandpipeline(问题描述和流水线)OCR是opticalcharacterrecognition的缩写，翻译过来就是光学字符辨识。照片中的OCR技术其实就是识别中照片中存在的字符，例如下面这幅图：关于过程，主要有以下几个步骤
Felven·2020-07-11 09:04

强化学习之马尔可夫决策过程—机器学习公开课第十五讲

本篇笔记对应的是公开课的第十五讲，主要内容包括马尔可夫决策过程MDP（MarkovDecisionProcess）、价值函数（ValueFunction）、价值迭代（ValueIteration）、策略迭代（PolicyIteration）。不同于监督学习，强化学习不是一个一次性的决策过程，比如对于一个判断患者是否患有癌症的二分类监督问题，它就是一个一次性的决策过程；但在强化学习中你必须随着时间的
月臻·2020-07-11 07:37

机器学习之监督和无监督学习

这篇文章对吴恩达博士机器学习公开课中关于监督和无监督学习做了整理，以供学习。一、监督学习（SupervisedLearning）首先课程中讲解了一个关于房屋价格预测的例子。
充电实践·2020-07-09 00:01

机器学习中过拟合的解决办法

如图所示（图片来源：coursera吴恩达机器学习公开课）从图中可以看出，图一是欠拟合，模型不能很好地拟合数据；图二是最佳的情况；图三就是过拟合，采用了很复杂的模型。最后导致曲线波动很大，最后最可
小沫_jie·2020-07-08 11:44

一些机器学习公开课

BigData,LargeScaleMachineLearning：[url]http://cilvr.cs.nyu.edu/doku.php?id=courses:bigdata:start[/url]3rdLisbonMachineLearningSchool：[url]http://lxmls.it.pt/2013/[/url]UnsupervisedFeatureLearningandDe
iteye_14216·2020-07-04 18:52

【机器学习笔记1】Logistic回归总结

洞庭之子-Bing（2013年11月）PDF下载地址：http://download.csdn.net/detail/lewsn2008/65474631.引言看了Stanford的AndrewNg老师的机器学习公开课中关于
iteye_10018·2020-07-02 04:48

斯坦福机器学习公开课7-x过拟合欠拟合和解决方法

建立多项拟合方程的时候可能由于特征太多造成过拟合。也就是构造了太复杂的多项式完全只是为了你和样本数据。使得模型不具有通用性。这个是过拟合。太多复杂的项可以使得模拟的方程几乎完全拟合样本。如果特征太少就可能造成欠拟合，拟合效果不好。例如这里第一是欠拟合。第三是过拟合。第二都是恰恰好首先来看过拟合如何解决1手动减少特征的数量2使用正则化方法（正规化方法）正规化方法的思路如下修改代价函数。例如下图为了使
groundhappy·2020-07-02 01:37

机器学习公开课汇总

机器学习公开课汇总机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，这里基于课程图谱的机器学习公开课标签做一个汇总整理，便于大家参考对比。
zt_706·2020-06-30 19:44

神经网络的参数初始化

注：本文是学习吴恩达老师机器学习公开课的学习笔记。1.对于神经网络fminunc函数，我们需要初始化神经网络的initialTheta的参数。
程序之巅·2020-06-30 17:00

开发者入门必读：最值得看的十大机器学习公开课

[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。因此，雷锋网搜集了全世界范围内最受欢迎的机器学习课程，整理成这份
xiangz_csdn·2020-06-30 00:15

最全面的AI学习路线和资源整理

目录大纲基础知识1.数学2统计学3编程数据分析/挖掘1数据分析的基础书籍2特征工程3数据挖掘项目机器学习公开课吴恩达《MachineLearning》公开课吴恩达CS229公开课林轩田《机器学习基石》公开课林轩田
熊猫小妖·2020-06-29 04:20

线性回归、logistic回归、广义线性模型——斯坦福CS229机器学习个人总结（一）

纪念我第一个博客的碎碎念先前我花了四五个月的业余时间学习了Ng的机器学习公开课，学习的过程中我就在想，如果我能把这个课程啃完，就开始写一些博客，把自己的所得记录下来，现在是实现的时候了。
NJiahe·2020-06-26 12:13

斯坦福大学机器学习公开课， 梯度下降算法,随机梯度下降算法，最小二乘拟合法总结以及证明

部分语言参考了：http://blog.csdn.net/woxincd/article/details/7040944回归与梯度下降：回归在数学上来说是给定一个点集，能够用一条曲线去拟合之，如果这个曲线是一条直线，那就被称为线性回归，如果曲线是一条二次曲线，就被称为二次回归，回归还有很多的变种，如locallyweighted回归，logistic回归，等等，这个将在后面去讲。用一个很简单的例子
麦兜ppig·2020-06-25 04:27

机器学习相关资料整理

1.视频教程1）百度余凯机器学习视频教程：http://wenku.baidu.com/course/study/53b9fd0a79563c1ec5da71072）斯坦福大学AndrewNg机器学习公开课
liu_zhlai·2020-06-24 06:34

大量机器学习(Machine Learning)&深度学习(Deep Learning)资料

机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，这里基于课程图谱的机器学习公开课标签做一个汇总整理，便于大家参考对比。
banlucainiao·2020-06-23 08:40

最值得看的十大机器学习公开课

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。因此，雷锋网搜集了全世界范围内最受欢迎的机器学习课程，整理成这份“机器学习十大入门公开课”盘点，集中呈现给各位。这份推荐榜颇费心血，综合考虑了难易、侧重点、时效性等诸多因素，希望能帮助大家找到最适合自己的学习资源。这些课程全部免费开
rokia_xmu·2020-06-21 09:16

Andrew Ng Stanford机器学习公开课 总结(5) Lecture 5 高斯判别分析和朴素贝叶斯

---layout:posttitle:AndrewNgStanford机器学习公开课总结（5）subtitle:Lecture5高斯判别分析和朴素贝叶斯date:2019-07-19author:ZhangWenXiangheader-img
龙翔天翼·2020-03-20 01:13

Logistic回归

摘自：http://blog.csdn.net/dongtingzhizi/article/details/159627971.引言看了Stanford的AndrewNg老师的机器学习公开课中关于LogisticRegression
Godlike_51·2020-03-19 13:57

台大李宏毅机器学习公开课2020版登陆B站

课程简介：真正大师的课程往往都是免费的，诸如吴恩达，李飞飞等。不过大家应该对李宏毅老师也不陌生吧？很多机器学习初学者，首选李宏毅老师。毕竟中文授课，而且他讲课通俗易懂、课程案例生动有趣（还记得宝可梦和帝国时代）。近期，他的《机器学习2020》上线了，相比MachineLearning(2019,Spring)新增了可解释性机器学习、对抗攻击、网络压缩等内容。课程资料链接：http://speech
jpld·2020-03-08 20:00

-Logistic回归总结

Logistic回归总结作者：洞庭之子微博：洞庭之子-Bing（2013年11月）1.引言看了Stanford的AndrewNg老师的机器学习公开课中关于LogisticRegression的讲解，然后又看了
丰泽园的天空·2020-02-14 17:00

吴恩达机器学习公开课

本文主要总结吴恩达老师机器学习公开课的知识点。课程共8次编程作业已经上传到我的GitHub上了。
AndyFlyingZZZ·2019-09-26 16:06

吴恩达机器学习---总结

吴老师机器学习公开课完结，本篇博客是基于自己的理解对整个课程内容进行回顾并梳理，由于博主实力有限，可能会有一些理解不到位或者有误的地方，希望大家能指出，理性讨论与交流。
DO-VIS·2019-08-19 21:29

2019-04-25

SVD简介推荐系统设计机器学习公开课笔记(9
T_129e·2019-04-29 11:18

局部加权回归、最小二乘法的概率解释、逻辑斯蒂回归、感知器算法—机器学习公开课第三讲

代码实现局部加权回归的代码实现：#定义h函数defh(x):returntheta[0]+theta[1]*x#定义w函数进行指数运算defw(xi,x_pre,sigma):num=-(xi-x_pre)**2/(2*(sigma**2))returnmath.exp(num)defnon_parameter(x,y,x_pre,sigma):globalwiglobalcntglobalerr
月臻·2019-03-19 20:20

线性回归、梯度下降、正规方程组-机器学习公开课第一、二讲

这个系列的公开课看了有段时间了，原来也想着一直记录下去，还是懒病的问题；中间停了这么长时间，最近又想着复习一下，就写点随笔。最前方关于Ng介绍机器学习的相关概念部分的几张截图，我用了张雨石大佬公开课笔记的截图(实在是懒的不想打字了)，在这里我要感谢张雨石大佬！话不多说，直接进入正题！附录证明代码实现批量梯度下降算法：importmatplotlib.pyplotaspltimportcsvfrom
月臻·2019-03-19 13:42

台大李宏毅机器学习公开课2019版上线

转载自：机器之心机器之心编辑参与：思源、泽南台大教授李宏毅的机器学习课程经常被认为是中文开放课程中的首选。李教授的授课风格风趣幽默，通俗易懂，其课程内容中不仅有机器学习、深度学习的基础知识，也会介绍ML领域里的各种最新技术。近日，2019版的课程资料与视频终于上线了！课程资料链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html课程视频（B
spearhead_cai·2019-03-19 08:00

过拟合以及解决办法

如图所示（图片来源：coursera吴恩达机器学习公开课）从图中可以看出，图一是欠拟合，模型不能很好地拟合数据；图二是最佳的情况；图三就是过拟合，采用了很复杂的模型。
野心家·2018-10-14 10:15

Machine Learning初体验

1.视频课程机器学习公开课（吴恩达）：http://open.163.com/special/opencourse/machinelearning.html相关资料：http://deeplearning.stanford.edu
Cynthia0811·2018-09-25 16:46

Machine Learning初体验

1.视频课程机器学习公开课（吴恩达）：http://open.163.com/special/opencourse/machinelearning.html相关资料：http://deeplearning.stanford.edu
Cynthia0811·2018-09-25 16:46

对话吴恩达：伟大的AI企业需要CEO的全力支持

他主导的“识别猫”实验令谷歌大脑声名大噪、他的机器学习公开课备受学习者推崇，他的存在让百度成为拥抱AI的一面鲜明旗帜。似乎走到哪里，哪里就有他的人工智能主义。
AI科技大本营·2018-09-07 12:20

吴恩达网易机器学习第6课：判别模型，生成模型以及朴素贝叶斯模型

本文结合网易云吴恩达机器学习公开课中文课件内容以及个人理解，对这一章节进行介绍。红色部分为关键部分或个人的一些理解。1.生成模型与判别模型1.1两种模型的区别我们首先假设x为特征，y为类别结果。
ChiiZhang·2018-07-06 21:57

coursera机器学习公开课笔记10: advice-for-applying-machine-learning

NoteThispersonalnoteiswrittenafterstudyingtheopeningcourseonthecourserawebsite,MachineLearningbyAndrewNG.Andimages,audiosofthisnoteallcomesfromtheopeningcourse.01_evaluating-a-learning-algorithmEvalua
SnailDove·2018-04-27 00:46

coursera机器学习公开课笔记2: linear-regression-with-one-variable

NoteThispersonalnoteiswrittenafterstudyingthecourseraopeningcourse,MachineLearningbyAndrewNG.Andimages,audiosofthisnoteallcomesfromtheopeningcourse.ModelRepresentationToestablishnotationforfutureuse,w
SnailDove·2018-04-11 01:16

上海交大周志华教授《机器学习导论》和《统计机器学习》公开课视频的正确播放顺序

周志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。
Avalonist·2018-03-30 16:32

机器学习（1）从基本术语开始

选教程的话，推荐周志华的《机器学习》，视频教程看吴恩达教授的机器学习公开课就可以了。
CCH陈常鸿·2017-11-04 12:28

理解卷积神经网络CNN中的特征图 feature map

参考了斯坦福大学的机器学习公开课和七月算法中的机器学习课。CNN一个牛逼的地方就在于通过感受野和权值共享减少了神经网络需要训练的参数的个数。
denghe1122·2017-09-05 10:54

斯坦福机器学习2：SVM支持向量机的通俗理解

暑假一直在学吴恩达老师的机器学习公开课，学习前面还都比较好理解，根据公式基本上可以实现用matlab编程编出来，然而从第七节课开始讲的SVM算法开始听的迷迷糊糊，在听了两三遍开头，然后又买了几本工具书翻了翻
Bazinga521·2017-08-06 17:15

【机器学习笔记】Logistic回归总结

Logistic回归总结PDF下载地址：http://download.csdn.net/detail/lewsn2008/65474631.引言看了Stanford的AndrewNg老师的机器学习公开课中关于
丶麦麦麦·2017-07-26 16:28

大规模机器学习：SGD，mini-batch和MapReduce

大规模机器学习注：本文内容来自网友的博客及AndrewNG在coursera上的机器学习公开课，感兴趣的同学可以去看原始视频，此处不提供链接机器学习在这几年得到快速发展，一个很重要的原因是LargeDataset
code_caq·2017-06-16 12:35

指数分布族 和 广义线性模型

本节主要是我看了网易公开课上的AndrewNg的机器学习公开课第四节所做的笔记加上自己的一些整理，将它发上来供参考，由于水平有限，可能有错误。
咸鱼小二·2017-04-25 11:36

学习SVM（一） SVM模型训练与分类的OpenCV实现

如何理解支持向量机的最大分类间隔学习SVM（三）理解SVM中的对偶问题学习SVM（四）理解SVM中的支持向量（SupportVector）学习SVM（五）理解线性SVM的松弛因子AndrewNg在斯坦福大学的机器学习公开课上这样评价支持向量机
chaibubble·2017-03-29 21:52

OpenCV SVM模型训练与加载模型实现分类

AndrewNg在斯坦福大学的机器学习公开课上这样评价支持向量机：supportvectormachinesisthesupervisedlearningalgorithmthatmanypeopleconsiderthemosteffectiveoff-the-shelfsupervisedlearningalgorithm.Thatpointofviewisdebatable
chaipp0607·2017-03-29 21:00

《机器学习导论》和《统计机器学习》学习资料：张志华教授

张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。
pan_jinquan·2016-12-13 09:43

Logistic回归总结

Logistic回归总结文章来源：http://blog.csdn.net/dongtingzhizi/article/details/159627971.引言看了Stanford的AndrewNg老师的机器学习公开课中关于
沙虫zZ·2016-10-19 09:38

上海交大张志华教授《机器学习导论》和《统计机器学习》公开课视频的正确播放顺序

张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。
dramer110·2016-10-10 11:14

上海交大张志华教授《机器学习导论》和《统计机器学习》公开课视频的正确播放顺序

张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。
dramer110·2016-10-10 11:14

一步一步演示神经网络回馈算法过程

在听这节AndrewNG的机器学习公开课的时候，对于BP神经网络里的错误反向传播的一个公式（类似这样的）不是特别明白。感觉和我之前看的不太一样。就在网上找到了这篇带样例的文章。
CY_TEC·2016-07-07 19:34

一步一步演示神经网络回馈算法过程

在听这节AndrewNG的机器学习公开课的时候，对于BP神经网络里的错误反向传播的一个公式（类似这样的）不是特别明白。感觉和我之前看的不太一样。就在网上找到了这篇带样例的文章。
CY_TEC·2016-07-07 19:34
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他