机器学习基石

个人收藏机器学习教程

吴恩达经机器学习视频链接：https://pan.baidu.com/s/1eSA1pSnnoqkE5ucy0D6BPQ密码:fg3b林轩田机器学习基石视频链接：https://pan.baidu.com
WangCw的夏天·2020-09-12 00:43

机器学习技法（三）

《机器学习技法》是国立台湾大学林轩田讲授的一门课程，课程的上集是《机器学习基石》。相关资源可以在youtube找到，也可在评论区索要云盘链接。
宣的写字台·2020-08-25 01:31

手写 30 个主流机器学习算法，代码超 3 万行，全都开源了！

超过3万行代码、30多个模型，这也许能打造「最强」的机器学习基石？NumPy作为Python生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。
视学算法·2020-08-23 00:20

机器学习基石笔记9——机器可以怎样学习（1）

转载请注明出处：http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习
weixin_30615767·2020-08-22 14:31

【作业一】林轩田机器学习基石

作业方面，暂时只关注需要编程的题目了，用python完成代码。Q15~Q17应用的是传统PLA算法，给定的数据集也是保证线性可分的。代码需要完成的就是实现一个简单的PLA，并且“W=W+speed*yX”中的speed是可以配置的（即学习速率）代码1#encoding=utf8importsysimportnumpyasnpimportmathif__name__=='__main__':W=[0
weixin_34306446·2020-08-21 22:52

台大机器学习基石笔记（一）——机器学习可行性

本文基于http://beader.me/的博客进行编写，有些的地方我做了简单修改，公式也重新敲了，加深一下理解。银行在决定是否要通过贷款申请人的授信请求前，会根据申请人的资料对其进行风险评估，(通常银行会为其计算信用评分)，申请人状况符合银行要求时，银行通过其申请，反之则婉拒。那么银行凭借什么来判断申请人将来是否会违约呢？通过银行之前的信用贷款记录，这些记录中，有些客户发生了违约行为，其他则表现
楼桑下的龙雏·2020-08-21 21:16

机器学习的基本概念小结（机器学习基石学习小结一）

机器学习小结学完林轩田机器学习基石写的一些小结，计划分为三大部分，分三篇来写，基本概念，基本算法，一些细节。
qq_35810121·2020-08-21 20:36

机器学习基石（林轩田）第十六章 笔记与感悟总结

16.1ThreeLearningPrinciples-Occam’Razor简单的hypothesis，简单的model简单的model。当输入乱乱的资料时，Ein无法很小。因此，如果用简单的模型，能够分开资料，那么就说明其中会有某种规律。而不能分开，则说明没有啥规律。因为复杂的模型能够拟合所有的数据，所以你根本不知道到底是有规律的样本？还是随机抛硬币产生的样本（没有内在规律）。16.2Thre
Jason__Liang·2020-08-21 18:14

机器学习基石（林轩田）第十五章 笔记与感悟总结

15.1Validation-ModelSelectionProblem我们为了解决过拟合的问题，我们提出了regularization。我们不只关注Ein，而是在Ein上面加上一个regularizer，一起做minimize。这样可以有效的减小modelcomplexity我们面临着很多的选择，之间的组合会产生组合爆炸的。输入：各种g和演算法。输出：最好的那个模型，能让Eout变小。表示选择了
Jason__Liang·2020-08-21 18:41

机器学习基石（林轩田）第一章 笔记与感悟总结

第一章学习问题1.1课程生产老师观点：从基础学起不要成为机器学习的奴隶。1.2什么是机器学习学习是从观察出发，视听嗅觉。观察->学习->技能电脑的观察是资料，然后进行处理变成技能。什么是技巧？技巧是提高一些性能指标（如预测准确度）为什么使用机器学习例如图片-。树的识别我们要识别树，要写100多条规则，这不现实，我们想要机器自己来学习，自己来总结规则机器透过与环境的互动来提高自己的表现。授机以鱼不如
Jason__Liang·2020-08-21 17:17

机器学习基石课程第二讲

第二讲：LearningtoAnswerYes/No1、课程回顾：课程回顾机器学习流程2、感知器模型我们通过感知机模型来体会下假设空间。屏幕快照2017-07-08下午1.57.57.png感知机模型的简化：感知机模型简化在二维空间中的感知机模型如下图所示：·二维空间中的感知机模型感知机模型又称为线性分类器。可以看出，二维空间中的感知机模型的假设空间就是平面中的所有直线。3、线性感知机模型（PLA
文哥的学习日记·2020-08-20 06:41

Python 机器学习基石 作业2

实现简单的决策树（先找出合适的决策参量，再估计错误率）importsysimportnumpyasnpimportmathfromrandomimport*defread_input(path):x=[]y=[]forlineinopen(path).readlines():items=line.strip().split('')tmp_x=[]foriinrange(0,len(items)-1
codingcyx·2020-08-19 09:06

Coursera机器学习基石 第1讲：The Learning Problem

这次他的学生带来了coursera的机器学习基石这门公开课，讲的内容和Yaser的公开课差不多，
weixin_33860722·2020-08-18 17:20

机器学习基石—作业1（15-20题PLA编程）

defmkDateSet(datPath):dataSet=open(datPath,'r').readlines()m=len(dataSet)X_train=np.zeros((m,4))Y_train=np.zeros((m,1))fori,iteminenumerate(dataSet):each=item.strip().split()X_train[i]=[float(a)forain
海绵酱·2020-08-17 04:22

机器为什么能够学习？

本系列是台湾大学资讯工程系林軒田（Hsuan-TienLin）教授开设的《机器学习基石》课程的梳理。重在梳理，而非详细的笔记，因此可能会略去一些细节。
分析101·2020-08-15 23:00

《机器学习基石》第一周 —— When Can Machine Learn?

（注：由于之前进行了吴恩达机器学习课程的学习，其中有部分内容与机器学习基石的内容重叠，所以以下该系列的笔记只记录新的知识）《机器学习基石》课程围绕着下面这四个问题而展开：主要内容：一、什么时候适合用机器学习
alince20008·2020-08-13 13:04

机器什么时候能够学习？

本系列是台湾大学资讯工程系林軒田（Hsuan-TienLin）教授开设的《机器学习基石》课程的梳理。重在梳理，而非详细的笔记，因此可能会略去一些细节。
分析101·2020-08-11 20:00

台大机器学习基石学习笔记

都是反推法台湾大学林轩田机器学习基石课程学习笔记2--LearningtoAnswerYes/No问题一PLA感知机的法向量更新的迭代过程证明针对能否停下来？能否确保f~g？
gsw19941117·2020-08-07 13:45

感知机学习算法的拓展---非线性可分数据问题

感知机算法中的优化方法的几何解释本部分参考台湾大学林轩田教授机器学习基石课程—PLA部分PLA算法只有在出现错误分类的时候，才去调整w和b的值，使得错误分类减少。
SmileAda·2020-08-03 05:26

台湾大学林轩田机器学习基石课程学习笔记4 -- Feasibility of Learning

红色石头的个人网站：redstonewill.com上节课，我们主要介绍了根据不同的设定，机器学习可以分为不同的类型。其中，监督式学习中的二元分类和回归分析是最常见的也是最重要的机器学习问题。本节课，我们将介绍机器学习的可行性，讨论问题是否可以使用机器学习来解决。一、LearningisImpossible首先，考虑这样一个例子，如下图所示，有3个label为-1的九宫格和3个label为+1的九
红色石头Will·2020-08-02 18:26

台湾大学林轩田机器学习基石课程学习笔记3 -- Types of Learning

红色石头的个人网站：redstonewill.com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条直线将样本数据完全正确分类。而对于线性不可分的情况，可以使用PocketAlgorithm来处理。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。一、LearningwithDifferentOutputSpaceY我们在上节课引入的银行根据用户个人情况判
红色石头Will·2020-08-02 18:26

林轩田机器学习基石课程学习笔记1 -- The Learning Problem

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达主要内容WhatisMachineLearningApplicationsofMachineLearningComponentsofMachineLearningMachineLearningandOtherFields一、WhatisMachineLearning什么是“学习”？学习就是人类通过观察、积累经验，掌握某项
flyfor2013·2020-07-29 05:50

机器学习基石笔记：Homework #4 Regularization&Validation相关习题

问题描述图113-15图216-18图319-20程序实现#coding:utf-8importnumpyasnpimportmathimportmatplotlib.pyplotaspltdefsign(x):if(x>=0):return1else:return-1defread_data(dataFile):withopen(dataFile,'r')asf:lines=f.readline
cherryleechen·2020-07-29 04:28

机器学习资料汇总

机器学习课程台湾国立大学林轩田的机器学习基石和机器学习技法:包括老师主页，b站视频（基石和技法），很全面的笔记（基石和技法）深度学习课程零基础入门深度学习NeuralNetworksandDeepLearning
哀思希哀·2020-07-14 19:25

机器学习基石第四节

Feasibility（可行性）ofLearning1、Learningisimpossible学习是不可能学习的我们想要在D以外的数据中更接近目标函数似乎是做不到的，只能保证对D有很好的分类结果。机器学习的这种特性被称为没有免费午餐（NoFreeLunch）定理。NFL定理表明没有一个学习算法可以在任何领域总是产生最准确的学习器。不管采用何种学习算法，至少存在一个目标函数，能够使得随机猜测算法是
硌手小石头·2020-07-14 04:14

NTU林轩田机器学习基石课程学习笔记3 -- Types of Learning

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条直线将样本数据完全正确分类。而对于线性不可分的情况，可以使用PocketAlgorithm来处理。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。一、LearningwithDifferentOutputSpaceY我们在上节课引入的银行根据用户个人情况判断是否给他发信用卡的例子，这是一个典型的二元分类（b
红色石头Will·2020-07-11 20:36

台大林轩田《机器学习基石》学习笔记：重要工具一（Feature transform）

本文是作者学习台大林轩田教授《机器学习基石》课程后整理的简要笔记（未按课程回目分节），内容大部分来源于林轩田教授的课程资料，其余相关参考链接已标出。
Myra_Maimaimai·2020-07-11 15:08

台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem

红色石头的个人网站：redstonewill.com最近在看NTU林轩田的《机器学习基石》课程，个人感觉讲的非常好。整个基石课程分成四个部分：WhenCanMachineLearn?
红色石头Will·2020-07-10 01:54

Coursera机器学习基石笔记week9

LinearRegression线性回归的预测函数取值在整个实数空间，这跟线性分类不同。h(x)=wTXh(x)=w^TXh(x)=wTX在一维或者多维空间里，线性回归的目标是找到一条直线（对应一维）、一个平面（对应二维）或者更高维的超平面，使样本集中的点更接近它，也就是残留误差Residuals最小化。如下图所示：一般最常用的错误测量方式是基于最小二乘法（这里是线性的），其目标是计算误差的最小平
loserChen.·2020-07-09 23:43

《机器学习&&深度学习》 视频课程资源百度云下载

林轩田：机器学习基石链接：http://pan.baidu.com/s/1qXSKZP64密码：dwie林轩田：機器學習技法(MachineLearningTechniques)链接：http://pan.baidu.com
Lucky_wangtao·2020-07-07 22:54

《机器学习基石》台大林轩田_学习笔记03_Type of Learning

文章目录1基于输出空间$Y$的划分2基于数据标签$y_n$的划分3基于protocol$f(x_n,y_n)$的划分4基于输入空间$X$的划分5总结1基于输出空间YYY的划分{分类{二分类多分类回归标注\begin{cases}分类&\begin{cases}二分类\\多分类\\\end{cases}\\回归\\标注\end{cases}⎩⎪⎪⎪⎨⎪⎪⎪⎧分类回归标注{二分类多分类分类问题
猫哆哩o0·2020-07-07 20:46

大三寒假总结（上）

晚上看吴恩达的《机器学习》和林轩田的《机器学习基石》，因为
FZH_SYU·2020-07-07 07:30

机器学习基石笔记：Homework #2 Decision Stump相关习题

问题描述图116-18图219-20程序实现17-18#coding:utf-8importnumpyasnpimportmatplotlib.pyplotaspltdefsign(n):if(n>0):return1else:return-1defgen_data():data_X=np.random.uniform(-1,1,(20,1))#[-1,1)data_Y=np.zeros((20,
cherryleechen·2020-07-06 00:53

力荐 | 台大林轩田《机器学习基石》资源汇总

本文所有资源已放在github上，欢迎star：NTU-HsuanTienLin-MachineLearning课程介绍台湾大学林轩田老师的《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面
红色石头Will·2020-07-05 10:56

【机器学习基石笔记七】-----The VC Dimension（VC维数）

之前的几节着重介绍了机器学习可行的条件并做了详细的推导解释，机器学习可行必须满足两个条件：假设空间hypothesissets的sizeM的大小有限，即当N足够大的时候，那么对于hypothesissets中任意一个假设g，；利用演算法A从hypothesissets中选一个函数g，是，则；这两个条件对应着test和train两个过程。train的目的是使损失期望，test的目的是使将算法应用到新
liff_lee·2020-07-04 23:46

连载 | 机器学习基石 Lec 3: 机器学习的种类

Lec3：TypesofLearning上一节主要介绍了PLA，PLA是binaryclassification，二元分类问题是机器学习中非常核心基本的问题。这节主要介绍机器学习的各种types～相信每一个知道机器学习的人都有所了解，所以写的较简略～^_^～1，根据“输出空间”Outputspace分类1）classification分类：binary二元；Multiclass多元，输出是类别2）
青禾ws·2020-07-04 05:24

《机器学习基石》课程笔记（1）

什么是机器学习什么是学习？学习是人类通过观察世界积累经验进而获得相应技能的过程。而机器学习则是机器（计算机）通过计算数据，像人类一样积累经验并获得技能的过程。机器学习更一般化的定义是Improvingsomeperformancemeasuerwithexperiencecomputedfromdata.也就是机器通过计算的手段，利用积累的经验改善系统的性能。比如，让机器去学习股票数据以获得更多的
nudt_oys·2020-07-02 17:54

林轩田机器学习基石课程个人笔记-第十讲

上一讲学习了LinearRegression。首先，我们从问题出发，想要找到一条直线拟合实际数据值；然后，我们利用最小二乘法，用解析形式推导了权重w的解；接着，用图形的形式得到Eout-Ein≈2(N+1)/N，证明了linearregression是可以进行机器学习的；最后，我们证明linearregressin这种方法可以用在binaryclassification上，虽然上界变宽松了，但是仍
Forlogen·2020-07-01 09:05

《机器学习基石》笔记系列

前言“机器学习基石”是Coursera上一门关于机器学习的课程，由国立台湾大学的老师林轩田讲授。该课程一共有16节课，主要介绍了机器学习领域的基础理论知识。
Eathen_Zheng·2020-07-01 09:37

机器学习基石（笔记）

这是第二次课堂的笔记本节课主要的主题是WhenCanMachinesLearn?学习的主要目的是：通过数据D（data）和H（hupothesis，就是里面包含所有可能的函数的集合）,运用算法A(algorithm)，从H中找到最佳的函数g。（如下图）但是这有一个问题，什么样的候选公式集可以使用？(后面会介绍会介绍)这里举的例子是一个申请信用卡的例子。将每一个申请人的特征(每一个信息称为一个特征)
Q男·2020-07-01 05:57

吴恩达斯坦福大学机器学习 CS229 课程学习笔记（一）

说到机器学习总绕不过几个鼎鼎大名的人物，他们都创造了不少的机器学习资料，斯坦福吴恩达AndrewNg的公开课CS229；Google李飞飞的CS231、周志华的、李航的《统计学习方法》、林轩田的《机器学习基石
zcg1942·2020-06-30 12:57

机器学习

林轩田：机器学习基石链接：http://pan.baidu.com/s/1qXSKZP64密码：dwie林轩田：機器學習技法(MachineLearningTechniques)链接：http://pan.baidu.com
xuefenxi·2020-06-30 03:17

惊为天人，NumPy手写全部主流机器学习模型,代码超3万行

超过3万行代码、30多个模型，这也许能打造「最强」的机器学习基石？NumPy作为Python生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。
weixin_44747961·2020-06-29 14:11

感知机PLA------机器学习基石

1.PLA算法简介今天在b站上学习了林轩田老师讲解的PLA算法，故写此博客，以加深理解。PLA算法，总称为(PerceptionLearningAlgorithm),适用于二维及高维的线性划分问题，问题的答案只有相反的两个回答，如同意和不同意，及格和不及格等，即PLA算法可用于某些二分类问题，最终求得一条可以很好分开两类数据的直线。PLA算法的实现采用逐点修正的方法，在算法开始时，随机选择一条直线
二〇二〇·2020-06-29 06:16

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

机器学习极好的入门学习视频推荐

CalTech:LearningfromData台大的林轩田老师是YaserAbu-Mostafa的学生，他的机器学习基石和机器学习技
叫我小红·2020-06-28 22:07

机器学习基石笔记10——机器可以怎样学习（2）

转载请注明出处：http://www.cnblogs.com/ymingjingr/p/4271742.html目录机器学习基石笔记1——在何时可以使用机器学习(1)机器学习基石笔记2——在何时可以使用机器学习
weixin_30767835·2020-06-28 00:20

惊为天人，普林斯顿博士NumPy手写全部主流机器学习模型，代码超3万行

超过3万行代码、30多个模型，这也许能打造「最强」的机器学习基石？NumPy作为Python生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。
wade1203·2020-06-27 12:53

机器学习笔记（2-1）--林轩田机器学习基石课程

PerceptronHypothesisSet这一节中，林老师介绍了一种最为基本的假说模型：感知器模型。先说背景问题：客户申请信用卡，银行想根据客户的申请信息，决定是否给客户发放。这时我们用一个n维向量x表示客户的信息，比如x1=8000，表示该客户月收入8000（需要统一量纲）。再用一个n维向量w表示每个信息所代表的权重。这时，我们用x和w的内积表示某个客户的得分。当这个客户的得分大于Thres
数学系的计算机学生·2020-06-27 06:59

从最大似然估计开始，你需要打下的机器学习基石

选自Medium作者：JonnyBrooks-Bartlett机器之心编译概率论是机器学习与深度学习的基础知识，很多形式化的分析都是以概率的形式进行讨论。而这些讨论或多或少都离不开最大似然估计，因为它是参数估计的基础之一，也是构建模型的基石。在本文中，我们从最大似然估计到贝叶斯推理详细地讨论了机器学习的概率论基石，并希望能为读者的预习与复习提供优秀的参考资源。什么是参数？在机器学习中，我们经常使用
深度学习世界·2020-06-26 19:45
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他