机器学习公开课

机器学习-生成学习算法

本内容主要参考AndrewNg的机器学习公开课第五讲。
拾毅者·2015-05-31 15:46

机器学习-生成学习算法

本内容主要参考AndrewNg的机器学习公开课第五讲。
Dream_angel_Z·2015-05-31 15:00

【机器学习】机器学习（一、二）：批梯度下降法、随机/增量梯度下降法、最小二乘法

前言：STANFORD机器学习公开课第1、2课（AndrewNg主讲），本文记录学习过程，整理学习笔记，并将MATLAB代码共享，以便回顾。
hujingshuang·2015-05-28 16:00

VC维

在读《神经网络原理》的时候对一个实例不是很明白，通过这段时间观看斯坦福的机器学习公开课及相关补充材料，又参考了一些网络上的资料（主要是这篇，不过个人感觉仍然没有抓住重点），重新思考了一下，终于理解了这个定义所要传达的思想
Lu597203933·2015-04-13 20:00

Ng在coursera上的机器学习公开课——最终总结

认认真真的跟了所有的课程做了所有的习题编了所有的程序最后觉得Ng有些伤感前途是光明的，加油做人！
mmc2015·2015-04-08 17:00

斯坦福机器学习实现与分析之一（前言）

　　自去年底开始学习Andrew Ng的机器学习公开课，欲依其课件试着实现部分算法以加深理解，然在此过程中遇到部分问题，或为程序实现，或为算法理解。
·2015-04-08 10:00

数据降维之PCA算法的理解（机器学习公开课）

目的：在机器学习过程中，我们常常面对存在成千上百的特征集合，这些高维度的特征集合存在冗余信息，同时也带来了巨大的计算开销。因此把高维数据映射到低维度空间，甚至是可视化的3维或2维空间是我们希望看到的。尽管降维存在数据丢失，但是只要保证主要特征不丢失，在一些情况下是值得采纳的。 下面探讨一种称作主成分分析（PCA）的方法来解决部分上述问题。PCA的思想是将n维特征映射到k维上（k
JANESTAR·2015-03-17 21:00

Ng在coursera上的机器学习公开课——zai总结（5）_Neural Networks: Representation

Non-linearHypotheses(10min)如下面的列子，Hypotheses是O(n*n)，非线性的：NeuronsandtheBrain(8min)ModelRepresentationI(12min)ModelRepresentationII(12min)ExamplesandIntuitionsI(7min)ExamplesandIntuitionsII(10min)
mmc2015·2015-02-17 16:00

Ng在coursera上的机器学习公开课——zai总结（4）_Regularization

TheProblemofOverfitting(10min)CostFunction(10min)RegularizedLinearRegression(11min)RegularizedLogisticRegression(9min)
mmc2015·2015-02-17 16:00

Ng在coursera上的机器学习公开课——zai总结（3）_Logistic Regression

Classification(8min)HypothesisRepresentation(7min)  DecisionBoundary(15min)CostFunction(11min)SimplifiedCostFunctionandGradientDescent(10min)AdvancedOptimization(14min)One-vs-all
mmc2015·2015-02-17 16:00

斯坦福大学机器学习公开课---Programming Exercise 2: Logistic Regression

斯坦福大学机器学习公开课---ProgrammingExercise2:LogisticRegression---Matlab实现1LogisticRegressionInthispartoftheexercise
蓝e·2015-02-03 21:08

Ng在coursera上的机器学习公开课——zai总结（2）_Octave Tutorial

   rand、randn、hist、sqrt、ones、zeros、printf、eye、who、whos、clear。。。。   pwd、cd、ls、loadtest.m、savetest.txttest-ascii。。。。    plot、figure、imagesc、colorbar、colormap   for、while、if。。。    functions：例一：例二：例三：vect
mmc2015·2015-01-22 20:00

Ng在coursera上的机器学习公开课——zai总结（1）_梯度下降

1）关于梯度下降    学习速率α太大甚至会导致发散；（梯度会随着迭代逐渐增大以致发散）    学习速率α太小学习比较慢，但最终会收敛；    最后强调，只要α足够小，一定会收敛，且不必到后面人工减小α的值！（梯度会随着迭代逐渐减小）2）矩阵讲了一下，但非常简单   AdditionandScalarMultiplication   MatrixVectorMultiplication   Mat
mmc2015·2015-01-22 19:00

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
Vision_Learning·2014-09-28 23:14

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。
Vision_Learning·2014-09-28 23:09

14年7月总结

再回想前一段时间，复习操作系统那一周最充实了，不光只看了操作系统，还看了《饥饿游戏》三部曲，另外，开始看AndrewNg机器学习公开课，初次尝
xindoo·2014-07-16 06:00

[置顶] 机器学习笔记

笔记按照斯坦福机器学习公开课的notes整理，其中online学习部分没有整理，reinforcementlearning还没接触，有时间补上。
u010944555·2014-07-10 15:00

斯坦福机器学习公开课学习笔记(3)—拟合问题以及局部权重回归、逻辑回归

(转载请注明出处：http://blog.csdn.net/buptgshengod)1.拟合问题    这节课首先讲到了一个我们经常遇到的问题，欠拟合（underfitting）以及过拟合（overfitting）。其中过拟合是最常见的，这个问题，来源于我们一个特征值的权重过于突出，就会造成过拟合。比如说我们有一个特征值X。就是容易造成欠拟合，因为这个结论是一条直线。但是，当我们把x平方，，这个
gshengod·2014-06-09 15:00

斯坦福机器学习公开课学习笔记(2)—监督学习 梯度下降

(转载请注明出处：http://blog.csdn.net/buptgshengod)1.感受    这一节课Andrew讲的是监督学习应用中的梯度下降方法（Supervised-Learning,gradinganddescent）。    公式比较多，不过还比较基础，主要是一些矩阵论的应用。2.笔记     Gradinganddescent主要用到的就是一个回归的思路。整体的流程见下图。  
gshengod·2014-06-06 16:00

斯坦福机器学习公开课学习笔记(1)—机器学习的动机与应用

(转载请注明出处：http://blog.csdn.net/buptgshengod)1.背景    斯坦福机器学习公开课差不多是网上能找到的最好的机器学习入门课程了。
gshengod·2014-06-05 08:00

线性回归与梯度下降

（以下内容是根据斯坦福大学ng教授的机器学习公开课总结的内容）监督学习：即训练数据中既包含了输入数据又包含了对应于这个是输入数据的正确的输出结果。回归问题：当给出了输入数据后，预测正确的输出结果。
wenyusuran·2014-05-28 16:00

使用OpenCV自带的神经网络对MNIST手写字体进行识别

  在学习了斯坦福机器学习公开课中关于神经网络的章节之后，一直想自己实现一个神经网络，但是在没有对照的情况下，实在是无法验证自己写的程序对不对，因此，必须先找一个已经写好的神经网络来进行对比实验，刚好OpenCV
shengno1·2014-04-17 20:00

Linear Regression and the Theory

对这个问题更详细的描述可以看Stanford机器学习公开课中相关描述。解决方法Overdet
pipisorry·2014-04-13 22:00

Andrew NG 机器学习听课笔记（2）——过学习与欠学习，最小二乘的概率意义、logistic回归

本文是AndrewNG先生机器学习公开课第二课的听课笔记，由于csdn中对mathtype公式的显示问题，所以直接以图片格式发表。本系列是由公开课的学习和一些自己的理解组成的。
tiandijun·2014-03-19 20:00

EM算法及其应用（代码）

最近上模式识别的课需要做EM算法的作业，看了机器学习公开课及网上的一些例子，总结如下：（中间部分公式比较多，不能直接粘贴上去，为了方便用了截图，请见谅）概要适用问题EM算法是一种迭代算法，主要用于计算后验分布的众数或极大似然估计
wukk007·2014-01-01 15:31

EM算法及其应用（代码）

最近上模式识别的课需要做EM算法的作业，看了机器学习公开课及网上的一些例子，总结如下：（中间部分公式比较多，不能直接粘贴上去，为了方便用了截图，请见谅）概要适用问题EM算法是一种迭代算法，主要用于计算后验分布的众数或极大似然估计
fennvde007·2014-01-01 15:00

公开课笔记大盘点

1、Coursera上AndrewNg老师的”机器学习公开课(MachineLearning)”课程图谱上的明星课程，关注人数最多，评论最多，并且网上这门课程的笔记也是相当的多：1）@小小人_V 同学做了一份完整的的机器学习笔记并整理成
u010384318·2013-12-06 22:00

公开课笔记大盘点

1、Coursera上AndrewNg老师的”机器学习公开课(MachineLearning)”课程图谱上的明星课程，关注人数最多，评论最多，并且网上这门课程的笔记也是相当的多：1）@小小人_V 同学做了一份完整的的机器学习笔记并整理成
chinaliping·2013-12-06 11:00

斯坦福大学机器学习课程原始讲义 + 公开课视频

斯坦福大学机器学习公开课视频与之配套的则是斯坦福大学的机器学习公开课的视频：网易翻译的公开课视频：ht
chinaliping·2013-11-29 11:38

斯坦福大学机器学习课程原始讲义 + 公开课视频

斯坦福大学机器学习公开课视频  与之配套的则是斯坦福大学的机器学习公开课的视频：网易翻译的公
chinaliping·2013-11-29 11:00

[置顶] 【机器学习笔记3】Stanford公开课Exercise 2——Linear Regression

看Stanford的机器学习公开课真是舒服，视频讲解的非常清楚，练习也布置的非常好，把所有重要内容总结了一遍，给出了很多参考信
lewsn2008·2013-11-25 20:00

[置顶] 【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
lewsn2008·2013-11-13 20:00

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
u010384318·2013-10-26 22:00

《数学之美》之悟——学懂数学为何如此重要？

2013.9.15    在这周里，我逐渐养成了自己的良好习惯，每天至少看一小时文献，观看机器学习公开课视频，每晚离开实验室之前记录好一天的工作内容及进度。
zhoudongao·2013-09-15 12:00

牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4

转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9207047最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。
xinzhangyanxiang·2013-06-30 16:00

斯坦福机器学习公开课笔记(十三)--推荐系统

公开课地址：https://class.coursera.org/ml-003/class/index授课老师：AndrewNg1、problemformulation(问题产生)在平时购物的时候我们都会看到网站把向我们推荐的商品放在醒目位置，其实这就是推荐系统。现在考虑一个电影推荐系统的例子，我们拥有一些用户对于一些电影的评分，如下：从上面可以看到，用户对电影的评分分为从0到5这六个等级，有些用
Felven·2013-06-25 11:21

局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3

转载请注明：http://blog.csdn.net/xinzhangyanxiang/article/details/9113681最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少。
xinzhangyanxiang·2013-06-17 17:00

线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2

转载请注明链接：http://blog.csdn.net/xinzhangyanxiang/article/details/9101621最近在看Ng的机器学习公开课，Ng的讲法循循善诱，感觉提高了不少
xinzhangyanxiang·2013-06-15 15:00

斯坦福机器学习公开课笔记(五)--神经网络的表示

公开课地址：https://class.coursera.org/ml-003/class/index 授课老师：Andrew Ng1、non-linear hypotheses(非线性假设)前面提到的都是回归方面的东西，现在要开始新的一个专题-神经网络。自然，脑中冒出一个问题，为什么要引入神经网络？还是考虑房屋售价预测问题，我们可以通过引入多个特征让预测更准确，但我们知道能引入的特征数目不多。如
jj12345jj198999·2013-05-31 17:00

斯坦福机器学习公开课笔记(四)--规格化

公开课地址：https://class.coursera.org/ml-003/class/index 授课老师：Andrew Ng1、the problem of overfitting(过拟合的问题)回到我们最早提到的预测房屋价格与房屋面积关系的线性回归问题，最简单的模型是线性关系，但是在很多情况下线性关系是不适用的，需要引入二阶三阶等。不过在引入高阶后又存在新的问题，样本数据能很好的拟合了，
jj12345jj198999·2013-05-31 15:00

Octave相关学习资源整理

斯坦福大学机器学习公开课第五课是“OctaveTutorial”，主要是机器学习公开课的编程作业需要用Octave完成，同样需要用Octave完成作业的还有PGM（概率图模型）课程。
·2013-05-29 19:00

斯坦福机器学习公开课笔记(三)--逻辑回归

公开课地址：https://class.coursera.org/ml-003/class/index 授课老师：Andrew Ng1、classification(分类)考虑一个预测病人肿瘤的系统，该系统能判断病人的肿瘤是良性还是恶性。我们可以用一个值y∈{0,1}来表示预测结果，当y为0时表明是良性的，y为1时表明是恶性的。我们收集了8个体现肿瘤的大小和性质的样本数据，在平面上描出点如下：假设
jj12345jj198999·2013-05-28 17:00

斯坦福机器学习公开课笔记(二)--多变量线性回归

公开课地址：https://class.coursera.org/ml-003/class/index 授课老师：Andrew Ng1、multiple features(多特征)在第一次课中我们假设房屋的价格仅和房屋的面积相关，显然这与实际情况不符，为此，我们需要考虑更多的影响因素，也就是这里说的房屋的特征。比如，我们可以加入房屋中卧室的数量，房屋所在的楼层数和房屋的年龄这几个因素：显然，我们之
jj12345jj198999·2013-05-24 17:00

斯坦福机器学习公开课笔记(一)--单变量线性回归

公开课地址：https://class.coursera.org/ml-003/class/index 授课老师：Andrew Ng1、model representation(建立模型)考虑一个问题，如果给定一些房屋售价和房屋面积的数据，现在要预测给定其他面积时的房屋售价，那该怎么办？其实这是一个线性回归问题，给定的数据作为训练样本，用其训练得到一个表示售价和面积关系的模型（其实是一个函数），然
jj12345jj198999·2013-05-24 12:00

VC维含义的个人理解

在读《神经网络原理》的时候对一个实例不是很明白，通过这段时间观看斯坦福的机器学习公开课及相关补充材料，又参考了一些网络上的资料（主要是这篇，不过个人感觉仍然没有抓住重点），重新思考了一下，终于理解了这个定义所要传达的思想
wuyuegb2312·2013-05-22 21:00

支持向量机——SVM算法及例子（代码）

终于拖到最后一天交机器学习作业，选择了SVM算法，之前一直听说过，现在终于有了初步的了解，顺便post到这里分享一下，不足地方请大家指出本文内容有来自《统计学习算法》（李航著）第7章——支持向量机同时也看了Stanford机器学习公开课概要支持向量机属于监督学习
chqb89·2013-04-30 16:18

EM算法及其应用（代码）

最近上模式识别的课需要做EM算法的作业，看了机器学习公开课及网上的一些例子，总结如下：（中间部分公式比较多，不能直接粘贴上去，为了方便用了截图，请见谅）概要适用问题EM算法是一种迭代算法，主要用于计算后验分布的众数或极大似然估计
chqb89·2013-04-30 15:48

一些机器学习公开课

阅读更多BigData,LargeScaleMachineLearning：http://cilvr.cs.nyu.edu/doku.php?id=courses:bigdata:start3rdLisbonMachineLearningSchool：http://lxmls.it.pt/2013/UnsupervisedFeatureLearningandDeepLearningAndrewNg
fuliang·2013-04-21 19:00

一些机器学习公开课

Big Data, Large Scale Machine Learning： http://cilvr.cs.nyu.edu/doku.php?id=courses:bigdata:start 3rd Lisbon Machine Learning School： http://lxmls.it.pt/2013/ Unsupervised Feature Learning and D
fuliang·2013-04-21 19:00

一些机器学习公开课

Big Data, Large Scale Machine Learning： http://cilvr.cs.nyu.edu/doku.php?id=courses:bigdata:start 3rd Lisbon Machine Learning School： http://lxmls.it.pt/2013/ Unsupervised Feature Learning and D
fuliang·2013-04-21 19:00
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他