CH4-李宏毅机器学习第17页

[机器学习入门] 李宏毅机器学习笔记-13 （Semi-supervised Learning ;半监督学习）

[机器学习入门]李宏毅机器学习笔记-13（Semi-supervisedLearning;半监督学习）PDFVIDEOIntroductionWhysemi-supervisedlearninghelps

holeung·2020-07-11 23:15

Winner or Loser -------李宏毅机器学习HW2

作业说明数据：train.csvtest.csvcorrect_answer.csv资料：github李宏毅作业收集到一些美国人的年龄、学历、地区等资料给你，如果是训练集，会在同一个csv中以‘income’告诉你这些人的工资收入是否超过50K。如果是测试集，工资收入会在correct_answer中，以Label形式告诉你是否为“>50K”。correct_answer我们要做的是，通过人的14

我要变猴子！·2020-07-11 19:27

李宏毅机器学习Lecture 1：回归 - 案例研究

MLLecture1:Regression-CaseStudy本笔记有配套的JupyterNotebook演练，包含tensorflow基础api实现的单变量线性回归与多元线性回归，以及对梯度下降训练过程的改进讲解，同时包括高级lib如sklearn与keras的线性回归实现。欢迎在读完笔记后去实际演练一下哟~如果觉得本系列文章对您有帮助的话，麻烦不吝在对应的github项目上点个star吧！非常

蓝色枫魂·2020-07-11 16:28

李宏毅机器学习（十五）Converlutional Neuron Network卷积神经网络

我们都知道CNN常用于图像处理，也可以用一般神经网络去训练，为什么使用卷积神经网络训练呢？我们训练一个一般神经网络往往希望每层训练出一个基本的分类模型，比如第一层识别颜色，或者特殊斜条纹，第二层就有了不同颜色的条纹等等组合，到最后我们就可以识别出像蜂巢，轮胎，人的上半身等等。但是一张图100*100，加上RGB三层就30000个数据，如果1000个神经元参数就就很多了，我们计算起来就很吃力，我们因

塔利班头子·2020-07-11 10:18

李宏毅机器学习笔记一

Contents0IntroductionofthisCourse1Regression-CaseStudy2Wheredoestheerrorcomefrom?3GradientDescent4Classification5LogisticRegression6BriefIntroductionofDeepLearning7Backpropagation0IntroductionofthisCo

niuyoudao·2020-07-11 02:17

【ML】李宏毅机器学习笔记

jc2020_·2020-07-10 05:55

[机器学习入门] 李宏毅机器学习笔记-6 （Classification: Logistic Regression；逻辑回归）

[机器学习]李宏毅机器学习笔记-6（Classification:LogisticRegression；Logistic回归）PDFVIDEOThreestepsStep1:FunctionSetStep2

holeung·2020-07-10 02:46

Python基础教程Ch4-字典：当索引不好用时

第4章字典：当索引不好用时![](http://picture-repository-of-heamon7.qiniudn.com/第4章Pyhon-字典：当索引不好用时.png)第4章字典：当索引不好用时4.1字典的使用字典是Python唯一内建的映射类型，通过名字进行引用，键可以是数字，字符串，元组4.2创建和使用字典字典中键是唯一的，是无序的dict函数可以将其他映射（比如其他字典）或者(键

heamon7·2020-07-09 05:49

李宏毅机器学习课程笔记7：Transfer Learning、SVM、Structured Learning - Introduction

台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEEML2016。这篇文章是学习本课程第19-21课所做的笔记和自己的理解。Lecture19:TransferLearning迁移学习要解决的问题是：假设现在手上有与task不直接相关的data，这些data能否帮助我们完成task呢？比如现在要做猫狗的分类器，所谓不直接相关

徐子尧·2020-07-09 02:32

[机器学习入门] 李宏毅机器学习笔记-11（Convolutional Neural Network；卷积神经网络）

[机器学习入门]李宏毅机器学习笔记-11（ConvolutionalNeuralNetwork；卷积神经网络）PDFVIDEOWhyCNNforImage?CNN经常作用于图像识别。

holeung·2020-07-08 06:00

李宏毅机器学习2016 第十八讲支持向量机

视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yiLee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S

Joe-Peng_hitsz·2020-07-08 05:52

Window10+CPU下安装Anaconda、Keras，并解决出现的系列问题

在看台大李宏毅机器学习课程的时候谈到了Keras，听介绍感觉比较容易上手，所以动手安装一下。之前已经安装过了tenseflow，因为最近实验室小伙伴在讨论Anaconda的安装问题，所以一并安装一下。

故沉·2020-07-07 11:58

机器学习 —— 李宏毅机器学习笔记（五）—— 概率生成模型

概率生成模型概率生成模型，简称生成模型（GenerativeModel），是概率统计和机器学习中的一类重要模型，指一系列用于随机生成可观测数据的模型。生成模型的应用十分广泛，可以用来不同的数据进行建模，比如图像、文本、声音等。比如图像生成，我们将图像表示为一个随机向量X，其中每一维都表示一个像素值。假设自然场景的图像都服从一个未知的分布pr(x)，希望通过一些观测样本来估计其分布。也就是说，生成模

ProQianXiao·2020-07-06 23:33

李宏毅机器学习三天速成~第五课~Classification：Probabilistic Generative Model

1.利用Regression来分类示例：当有上图右小角的点的时候，这些点会大幅改变分类线的位置。这时候就会导致整体的回归结果变差。当把多分类当成回归问题，类别分别为1，2,3,4……，因为回归的问题是预测具体的值，这样定义类别就默认这些数据之间有相应的关系。如果数据间没有具体的这些数字关系，就会导致最后的回归结果变差。2.分类的方法下图中，可以利用一些Model进行分类，根据结果划分分类，同时损失

薛定谔小猫@Historia·2020-07-06 21:47

【李宏毅机器学习笔记5】Classification 概率生成模型

背景博客参考：https://blog.csdn.net/Allenlzcoder/article/details/78989160本节课以二分类问题为例，详细讲解了模型建立的过程及其背后的数学原理。分类问题的理想模型如下图所示，定义损失函数，给定一个输入值，模型便能输出类别。注释1：不能用回归做分类的原因是：因为单纯用数字定义class的话，model会因为这些数字之间的远近而以为这些trann

FCer·2020-07-06 05:38

李宏毅机器学习中文课程作业二：预测赢家还是输家

一、作业要求给定训练集spam_train.csv，要求根据每个ID各种属性值来判断该ID对应角色是Winner还是Losser(收入是否大于50K)，这是一个典型的二分类问题。训练集介绍：CSV文件，大小为4000行X59列;4000行数据对应着4000个角色，ID编号从1到4001;59列数据中，第一列为角色ID，最后一列为分类结果，即label(0、1两种)，中间的57列为角色对应的57种属

idotc·2020-07-05 03:39

2018-3-21李宏毅机器学习笔记十一-----Brief Introduction of Deep Learning？

fr=aladdin视频来源：李宏毅机器学习(2017)_哔哩哔哩(゜-゜)つロ干杯~-bilibilihttps://www.bilibili.com/video/av10590361/?

橘子甜不甜·2020-07-04 23:11

【教程】李宏毅机器学习2020版正式开放上线

本文授权转自"机器之心"(almosthuman2014)台大李宏毅老师的机器学习课程可以说是最具代表性的中文公开课之一，已成为大量国内初学者的首选。由于最近新冠疫情爆发，台大的课程也全面转为线上，今年的《机器学习》有了不小的变化。李宏毅老师表示，对于2020年的机器学习课程，我们完全可以在家自学~可能是考虑到当下为特殊节点，「精灵宝可梦大师」再三强调，这学期完全不用来课堂上课，通过上图课程链接进

机器学习算法与Python学习-公众号·2020-07-02 17:12

[机器学习入门] 李宏毅机器学习笔记-14 （Unsupervised Learning: Linear Dimension Reduction；无监督学习：线性降维）

[机器学习入门]李宏毅机器学习笔记-14（UnsupervisedLearning:LinearDimensionReduction；线性降维）PDFVIDEOUnsupervisedLearning把

holeung·2020-07-01 18:44

李宏毅机器学习任务八

决策树决策树：是一种基本的分类与回归方法，在分类问题中，表示基于特征对实例进行分类的过程，它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。决策树学习通常包含3个步骤：特征选择：从训练数据的特征中选择一个特征作为当前节点的分裂标准决策树生成：根据所选特征评估标准，从上至下递归地生成子节点，直到数据集不可分则停止决策树剪

iKangaroo·2020-06-30 19:41

[机器学习入门] 李宏毅机器学习笔记-13 （Semi-supervised Learning ;半监督学习）

[机器学习入门]李宏毅机器学习笔记-13（Semi-supervisedLearning;半监督学习）PDFVIDEOIntroduction这里写图片描述Whysemi-supervisedlearninghelps

holeung·2020-06-30 11:32

李宏毅机器学习——无监督学习(一)

引言本文主要探讨无监督学习的线性方法(LinearMethods)。聚类把很多不同的图像，根据它们的相似度分成不同的组（类别），问题是要分成多少个组。最常用的方法有：K-means聚类NNN个数据X={x1,⋯ ,xn,xN}X=\{x^1,\cdots,x^n,x^N\}X={x1,⋯,xn,xN}到KKK个组初始化KKK个分组中心点:ci,i=1,2,⋯ ,Kc^i,i=1,2,\cdots,

愤怒的可乐·2020-06-30 08:12

李宏毅机器学习课程从入门到放弃（一）

——–20190909—–更新了两章内容—————-PPT打包下载第一章审核中，链接后续加上。标题是：李洪义机器学习课程（一）——LearningMap学习笔记第一章讲义第二章第二章讲义第三章讲义第四章讲义第五章讲义第六章讲义第七章讲义第八章讲义第九章讲义第十章讲义————————-20180810————————-先加备忘：Ref:[1]https://blog.csdn.net/soulmee

禅心001·2020-06-29 19:57

李宏毅机器学习（七）

本次学习主要基于《机器学习实战》一书。在python中使用Matlib注释绘制树图形代码以及注释如下：#!/usr/bin/envpython#-*-coding:utf-8-*-importmatplotlib.pyplotasplt#定义文本框和箭头格式decisionNode=dict(boxstyle="sawtooth",fc="0.8")leafNode=dict(boxstyle="

Cjv Chen·2020-06-29 11:59

李宏毅机器学习（六）

本文基于《统计学习方法》和《机器学习实战所写》一、决策树(decisiontree)模型与学习1.定义决策树是一种基本的分类与回归方法，呈现树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。主要优点是模型具有可读性，分类速度快。决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修剪。2.决策

Cjv Chen·2020-06-29 11:59

李宏毅机器学习（八）

本次学习主要基于《统计学习方法》一书。一、Gini指数1.定义Gini指数（基尼指数）：表示在样本集合中一个随机选中的样本被分错的概率。Gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。即基尼指数（基尼不纯度）=样本被选中的概率*样本被分错的概率，表达式如下所示：Gini(p)=∑k=1Kpk(1−pk)=1−∑k=1Kpk2Gini(p)=\sum

Cjv Chen·2020-06-29 11:59

李宏毅机器学习（五）

此篇博文参考李航-《统计学习方法》第五章决策树；《机器学习实战》第三章。一、信息增益在机器学习决策树算法中，涉及到特征选择。特征选择目的是选择对训练数据具有分类能力的特征，因此可以提高决策树学习效率。通常特征选择的准则是信息增益或信息增益比。1、熵(entropy)熵(entropy)：信息量大小的度量，即表示随机变量不确定性的度量。设XXX是取有限值的离散随机变量，概率分布为：(1.1)P(X=

Cjv Chen·2020-06-29 11:58

李宏毅机器学习（四）

此篇博文是基于李宏毅老师此视频的学习总结。此部分主要介绍，LogisticRegression模型。一、课程部分内容记录(1)LogisticsRegression和LinearRegression对比LogisticsRegressionLinearRegressionStep1：fw,b(x)=σ(∑iwixj+b)f_{w,b}(x)=\sigma(\sum_iw_ix_j+b)fw,b(x

Cjv Chen·2020-06-29 11:58

李宏毅机器学习-代码实践

1.学习目的使用LogisticsRegression进行数据分类。2.学习要求学习LR学习算法的核心代码写出详细的注释说明3.代码实践（1）创建数据defgenerate_data(seed):np.random.seed(seed)#class1data_size_1=300#feature1x1_1=np.random.normal(loc=5.0,scale=1.0,size=data_s

Cjv Chen·2020-06-29 11:27

李宏毅机器学习——Logistic回归

文章目录Logistic回归分类概念概率和分类的关系后验概率Step1逻辑回归的函数集Step2定义损失函数Step3寻找最好的函数损失函数：逻辑回归为什么不使用线性回归的平方误差？判别模型vs生成模型生成模型的优势多类别分类Softmax定义target逻辑回归的局限特征转换级联逻辑回归模型Logistic回归分类概念分类要找一个functionfunction函数，输入对象xx特征，输出是该对

Joker__Wa·2020-06-29 05:55

李宏毅机器学习——梯度下降详细讲解

文章目录梯度下降1.学习率1.1自适应学习率1.2Adagrad算法2.随机梯度下降3.特征缩放3.1特征缩放原因3.2特征缩放方法4.梯度下降的限制梯度下降梯度下降是为了解决回归方程中参数的最优化问题，即表现为下述的式子：θ∗=arg⁡min⁡θL(θ)\theta^{\ast}=\arg\min_{\theta}L\left(\theta\right)θ∗=argθminL(θ)L(θ)L\l

Joker__Wa·2020-06-29 05:23

李宏毅机器学习课程---2、Regression - Case Study

李宏毅机器学习课程---2、Regression-CaseStudy一、总结一句话总结：分类讨论可能是比较好的找最佳函数的方法：如果有这样的因素存在的话模型不够好，可能是因素没有找全因素以及函数的复杂度

weixin_34290352·2020-06-28 16:34

[机器学习入门] 李宏毅机器学习笔记-12 （Why Deep Learning? ; 为什么是深度学习？）

[机器学习入门]李宏毅机器学习笔记-12（WhyDeepLearning?;为什么是深度学习？）|PDF|VIDEO||---|----|DeeperisBetter?

holeung·2020-06-28 11:39

李宏毅机器学习系列-深度学习简介

李宏毅机器学习系列-深度学习简介深度学习的概况深度学习的步骤前馈神经网络全连接神经网络数字识别分类总结深度学习的概况深度学习从2012年的图像识别比赛开始就复苏了，发展越来越快，越来越好，具体他的发展历史可以百度下

王伟王胖胖·2020-06-27 13:25

李宏毅机器学习系列-半监督学习

李宏毅机器学习系列-半监督学习什么是半监督学习半监督学习的假设生成模型上的半监督学习Low-densitySeparation非黑即白自学习熵正则化半监督SVMSmoothnessAssumption(

王伟王胖胖·2020-06-27 13:24

[机器学习入门] 李宏毅机器学习笔记-12 （Why Deep Learning? ; 为什么是深度学习？）

[机器学习入门]李宏毅机器学习笔记-12（WhyDeepLearning?;为什么是深度学习？）PDFVIDEODeeperisBetter?

holeung·2020-06-26 14:08

[机器学习入门] 李宏毅机器学习笔记-10 （Tips for Deep Learning；深度学习小贴士）

[机器学习入门]李宏毅机器学习笔记-10（TipsforDeepLearning；深度学习小贴士）PDFVIDEORecipeofDeepLearning在trainingdata上的performance

holeung·2020-06-26 14:08

[机器学习入门] 李宏毅机器学习课程回顾 + 接下来的学习声明

Lookbackatthepastandlookforwardtothefuture.李宏毅机器学习回顾从五月二十日发布第一篇《[机器学习入门]李宏毅机器学习笔记-1(LearningMap课程导览图)

holeung·2020-06-26 14:37

李宏毅机器学习（十九）无监督学习Word Embedding

WordEmbedding词嵌入向量我们对于不同的分类，常常使用的就是1-of-NEncoding(或者叫One-hot编码)，每个元素只能有一维上是1，其余是0，这样就可能反应不出来每个分类之间的关系，我们就会想把这些词语进行分类，比如第一类是动物，第二类是动作，第三类是植物，我们又进一步将其投影到高维空间（这个高维其实是比种类N低得多），就期望同类的会比较聚集在一起，而坐标轴又反应一定关系，比

塔利班头子·2020-06-26 11:38

机器学习-Logistic Regression（李宏毅机器学习学习笔记）

LogisticRegression是一种线性回归模型，通过sigmoid函数，它的输出值只有0和1.我以李宏毅大师的讲解对LogisticRegreesion笔记总结和学习。ThreeStepsStep1：FunctionSet逻辑回归主要使用sigmoid函数，将输入的值进行非线性转换（神经网络也是类似操作），将输出值映射到0-1，可以进行等效于概率。下图为具体的函数形象解释step2：确定参

尊尊_ml·2020-06-25 16:45

5分钟看懂反向传播算法(Backpropogation) |李宏毅机器学习【7】

当我们在谈论深度学习的“学习过程”的时候，我们在谈论什么？对，在谈论梯度下降（GradientDescent）。如果你还不知道什么是梯度下降，可以看看之前的梯度下降（GradientDescent）的技巧和原理https://blog.csdn.net/qq_36459893/article/details/82290553。下面是梯度下降的一般过程。由于神经网络独特的结构，所以对它做梯度下降有一

红尘一笑233·2020-06-25 11:37

|李宏毅机器学习【1】

机器学习(MachineLearning)是人工智能时代的核心技术，深度学习(Deepleaning)是机器学习中一类重要的方法。机器学习的应用非常广泛，相机美颜、个性推荐，人脸解锁、垃圾邮件过滤、阿法狗......很多智能化的应用场景背后，都离不开机器学习算法的支撑。机器学习的概念那么机器学习到底是什么东东呢？是造一个机器人来学习吗，非也。按照李宏毅老师的说法，机器学习相当于找一个函数(look

红尘一笑233·2020-06-25 11:37

李宏毅机器学习 PM2.5预测学习记录

1.参考博客戳这里.2.学习过程2.1学习代码因为初学机器学习，希望能理解更透彻，在原作者的注释基础上添加自己的理解：importpandasaspdimportnumpyasnp#数据预处理defdataProcess(df):x_list,y_list=[],[]#df替换指定元素，将空数据填充为0df=df.replace(['NR'],[0.0])#astype()转换array中元素数据

qiyou1998_·2020-06-24 22:01

线性回归李宏毅机器学习HW1

本文是李宏毅老师机器学习的第一次大作业，参考网上代码，写了一下自己的思路。李宏毅HM1:要求：本次作業使用豐原站的觀測記錄，分成trainset跟testset，trainset是豐原站每個月的前20天所有資料。testset則是從豐原站剩下的資料中取樣出來。train.csv：每個月前20天的完整資料。test_X.csv：從剩下的10天資料中取樣出連續的10小時為一筆，前九小時的所有觀測數據當

alex-zhou96·2020-06-22 09:24

李宏毅机器学习（一）

一、机器学习三步骤：Step1:DefineasetoffunctionModel：定义一些函数f1f2...f_1f_2...f1f2...Step2:Goodnessoffunction使用训练数据，根据输入输出判断函数的好坏。Step3:Pickthebestfunction通过Testing挑选出最好的函数。二、LearningMap：scenario(学习情境)task(要解决的问题)m

Cjv Chen·2020-06-21 13:42

李宏毅机器学习笔记第一章：摘要

课程时间：2017/02/23—2017/06/15原视频链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html原网站有配套的PPT以及HomeWork.B站视频链接：https://www.bilibili.com/video/BV13x411v7USWhatisMachineLearning？（什么是机器学习）用拟人的方法来讲，Mach

牛子未·2020-05-10 22:29

线性回归--PM2.5预测--李宏毅机器学习

一、说明给定训练集train.csv，要求根据前9个小时的空气监测情况预测第10个小时的PM2.5含量。训练集介绍：(1)、CSV文件，包含台湾丰原地区240天的气象观测资料(取每个月前20天的数据做训练集，12月X20天=240天，每月后10天数据用于测试，对学生不可见);(2)、每天的监测时间点为0时，1时......到23时，共24个时间节点;(3)、每天的检测指标包括CO、NO、PM2.5

Dawn-bin·2020-05-01 16:00

李宏毅机器学习(二)学习导图

机器学习发展至今涵盖的内容已经非常多，本文通过对其使用情景、任务和方法分类在上文的基础上对机器学习做进一步的介绍。监督学习(SupervisedLearning)上文曾提到机器学习可以看成是从数据中找到一个函数。对于回归(Regression)这类任务而言，我们希望得到的函数的输出值是数值(Scalar)，而不是像之前图像识别一样输出类别。举例来说，我们需要预测PM2.5值。对于回归这类任务而言，

AndyFree96·2020-04-27 22:01

李宏毅机器学习2020HW1——手推线性回归公式预测PM2.5

前言这个是课程第一个作业，用线性回归模型做PM2.5的预测，优化方法用Adagrad，李老师提供了训练集和测试集以及示例代码，并推荐使用Linux或者Mac系统来做作业。而我准备用win10系统来完成这项作业。一、要求给定训练集train.csv和测试集test.csv，要求根据前9个小时的空气监测情况预测第10个小时的PM2.5含量。二、环境 Win10系统，使用Pycharm，Pyt

Q..y·2020-04-15 13:57

深度之眼pytorch打卡（四）| 台大李宏毅机器学习 2020作业（一）：线性回归，实现多因素作用下的PM2.5预测（Pytorch版手写+nn.Linear()）

前言这里主要是用Pytorch重新写一下李宏毅机器学习的作业一，那里主要是用pandas和numpy来实现的数据操作，这里将用Pytorch工具来写线性回归，实现多因素作用下的PM2.5预测。

意疏·2020-04-14 19:00

推荐频道

CH4-李宏毅机器学习

[机器学习入门] 李宏毅机器学习笔记-13 （Semi-supervised Learning ;半监督学习）

Winner or Loser -------李宏毅机器学习HW2

李宏毅机器学习Lecture 1：回归 - 案例研究

李宏毅机器学习（十五）Converlutional Neuron Network卷积神经网络

李宏毅机器学习笔记一

【ML】 李宏毅机器学习笔记

[机器学习入门] 李宏毅机器学习笔记-6 （Classification: Logistic Regression；逻辑回归）

Python基础教程Ch4-字典：当索引不好用时

李宏毅机器学习课程笔记7：Transfer Learning、SVM、Structured Learning - Introduction

[机器学习入门] 李宏毅机器学习笔记-11（Convolutional Neural Network；卷积神经网络）

李宏毅机器学习2016 第十八讲 支持向量机

Window10+CPU下安装Anaconda、Keras，并解决出现的系列问题

机器学习 —— 李宏毅机器学习笔记（五）—— 概率生成模型

李宏毅机器学习三天速成~~~第五课~~~Classification：Probabilistic Generative Model

【李宏毅机器学习笔记5】Classification 概率生成模型

李宏毅机器学习中文课程作业二：预测赢家还是输家

2018-3-21李宏毅机器学习笔记十一-----Brief Introduction of Deep Learning？

【教程】李宏毅机器学习2020版正式开放上线

[机器学习入门] 李宏毅机器学习笔记-14 （Unsupervised Learning: Linear Dimension Reduction；无监督学习：线性降维）

李宏毅机器学习任务八

[机器学习入门] 李宏毅机器学习笔记-13 （Semi-supervised Learning ;半监督学习）

李宏毅机器学习——无监督学习(一)

李宏毅机器学习课程从入门到放弃（一）

李宏毅机器学习（七）

李宏毅机器学习（六）

李宏毅机器学习（八）

李宏毅机器学习（五）

李宏毅机器学习（四）

李宏毅机器学习-代码实践

李宏毅机器学习——Logistic回归

李宏毅机器学习——梯度下降详细讲解

李宏毅机器学习课程---2、Regression - Case Study

[机器学习入门] 李宏毅机器学习笔记-12 （Why Deep Learning? ; 为什么是深度学习？）

李宏毅机器学习系列-深度学习简介

李宏毅机器学习系列-半监督学习

[机器学习入门] 李宏毅机器学习笔记-12 （Why Deep Learning? ; 为什么是深度学习？）

[机器学习入门] 李宏毅机器学习笔记-10 （Tips for Deep Learning；深度学习小贴士）

[机器学习入门] 李宏毅机器学习课程回顾 + 接下来的学习声明

李宏毅机器学习（十九）无监督学习Word Embedding

机器学习-Logistic Regression（李宏毅机器学习学习笔记）

5分钟看懂反向传播算法(Backpropogation) |李宏毅机器学习【7】

|李宏毅机器学习【1】

李宏毅机器学习 PM2.5预测 学习记录

线性回归 李宏毅机器学习HW1

李宏毅机器学习（一）

李宏毅机器学习笔记第一章：摘要

线性回归--PM2.5预测--李宏毅机器学习

李宏毅机器学习(二)学习导图

李宏毅机器学习2020HW1——手推线性回归公式预测PM2.5

深度之眼pytorch打卡（四）| 台大李宏毅机器学习 2020作业（一）：线性回归，实现多因素作用下的PM2.5预测（Pytorch版手写+nn.Linear()）

【ML】李宏毅机器学习笔记

李宏毅机器学习2016 第十八讲支持向量机

李宏毅机器学习三天速成~第五课~Classification：Probabilistic Generative Model

李宏毅机器学习 PM2.5预测学习记录

线性回归李宏毅机器学习HW1