CS229

CS229吴恩达斯坦福机器学习课程总结

下面主要对整个CS229课程的一些总结：（一）监督学习：分为判别学习算法求P(y|x)①-③和生成学习算法求哪个P(x|y=。。。)大。
玥晓珖·2020-08-03 05:07

支持向量机（SVM）——斯坦福CS229机器学习个人总结（三）

鉴于我刚开始学习支持向量机（Supportvectormachines，简称SVM）时的一脸懵逼，我认为有必要先给出一些SVM的定义。下面是一个最简单的SVM：图一分类算法：支持向量机（SVM）是一个分类算法（机器学习中经常把算法称为一个“机器”），它的目标是找到图中实线所表示的决策边界，也称为超平面（Hyperplane）支持向量（Supportvectors）：支持向量就是图中虚线穿过的数据点
NJiahe·2020-08-03 04:12

吴恩达机器学习笔记-SVM（cs229）

下面是一个最简单的SVM：分类算法：支持向量机（SVM）是一个分类算法（机器学习中经常把算法称为一个“机器”），它的目标是找到图中实线所表示的决策边界，也称为超平面（Hyperplane）支持向量（Supportvectors）：支持向量就是图中虚线穿过的数据点（两个×与一个O），直观上来看，它们确定了超平面的位置——超平面与过同一类的两个支持向量（两个×）的直线平行，并且两类支持向量到超平面的距
wu740027007·2020-08-02 21:34

吴恩达《Machine Learning》Jupyter Notebook 版笔记发布！图解、公式、习题都有了

这门课是发布在Coursera上的，很多读者容易把它与吴恩达的另一门课CS229混淆。其实，今天讲的Coursera上的《MachineLearning》更加简单。
Pysamlam·2020-08-02 20:09

机器学习 cs229学习笔记4 (EM for factor analysis & PCA（Principal components analysis）)

==EMFORFACTORANALYSIS=============================================================================通过cs229
Dark_Scope·2020-08-01 10:19

【CS229 Lecture notes，Machine Learning，Andrew Ng 】阅读笔记（持续更新中...）

MachineLearningLinearRegressionLMS（leastmeansquares）在使用批梯度下降（batchgradientdescent）最小化代价函数时，每个theta的更新是同步的。判断是否收敛是启发式的，即判断两次迭代的代价函数值的大小。代价函数是一个凸二次函数，只存在一个全局最优值，而不存在局部最优值。在使用梯度下降时，每次迭代的步长会自动减小，因为梯度在减小。使
某晏·2020-08-01 08:29

【从线性回归到BP神经网络】第三部分：Logistic回归

文章目录1、Logistic函数2、最大似然函数准则3、用梯度下降法来最大化对数似然本文主要参考文献如下：1、吴恩达CS229课程讲义。
tanghonghanhaoli·2020-08-01 00:08

【从线性回归到BP神经网络】第一部分：协方差与相关系数

文章目录1、样本均值2、样本方差3、协方差4、相关系数5、示例：数据集的相关系数计算本文主要参考文献如下：1、吴恩达CS229课程讲义。
tanghonghanhaoli·2020-08-01 00:07

【从线性回归到BP神经网络】第二部分：线性回归

文章目录1、代价函数2、梯度下降法3、线性回归的梯度下降4、矩阵形式表示mmm个样本5、线性回归的闭式解6、从概率的角度来理解代价函数本文主要参考文献如下：1、吴恩达CS229课程讲义。
tanghonghanhaoli·2020-08-01 00:07

均值,中位数,正态分布和Kmeans

Kmeans:聚类算法，具体过程如下（CS229
薛定谔的熊·2020-07-30 05:45

【CS229 lecture18】linear quadratic regulation(LQR) 线性二次型调节控制

lecture18今天来讨论我最喜欢的算法之一，用以控制MDP，我觉得是一个优雅、高效、强大的算法。先讨论MDP的几个常见变种（与现有的MDP定义会有不同）。Agendastate-actionrewardsfinitehorizonMDPslineardynamicalsystems线性动力系统-models-linearquadraticregulation(LQR)线性二次型调节控制just
qiusuoxiaozi·2020-07-29 21:35

《机器学习实战》整理--分类算法（1）

12月中旬到1月下旬，花了一个半月的时间，终于将《机器学习实战》这本书配合《cs229》课程学完了。现将这本书的主要内容线整理如下。
Icevivina·2020-07-29 03:34

『科学计算』可视化二元正态分布&3D科学可视化实战

入门手册的感觉233），感觉对机器学习的理解加深了不少（实际上就只是调包能力加强了），联想到假期在python科学计算上也算是进行了一些尝试学习，觉得还是需要学习一下机器学习原理的，所以重新啃起了吴恩达的cs229
weixin_34179762·2020-07-28 19:15

Lesson One(Machine Learning)

Lesson1:课程的资源：http://www.stanford.edu/class/cs229/机器学习分类：1.有监督学习（supervisedlearning）2.无监督学习（unsupervisedlearning
saber·2020-07-15 11:34

Stanford CS230学习笔记（一）：Lecture 1 Class Introduction

课程目的课程一个非常大的特点即帮助学生在实际应用中变得有经验，不仅帮助学生提高学术能力，同时帮助学生学习调整参数的方式，模型的选取等不是特别学术性，而是较为实用的内容课程在数学和应用的权衡介于CS229
thinszx·2020-07-14 23:34

关乎《机器学习实战》这本书基本刷完后的一些看法以及合集

从头到尾都是撸板子，或多或少的增加了一些理解花了四个月的时间，一点点的补完了这本书，才发现就算是实战书，也不是一本就可以加深印象的机器学习这个方向，也不单单的是一遍就能搞定的东西，理论在过了CS229发现果然还是应该重复重复重复的看下去这本书涉及
Kelisita·2020-07-14 18:05

吴恩达老师机器学习记录----SVM第一步：最优化问题的导出

先贴一下cs229课程的官网地址：http://cs229.stanford.edu/刚开始学习SVM的时候对于该算法中什么是模型，什么是损失函数一直搞不清楚。
树荫下的野草·2020-07-13 16:23

首发：吴恩达的 CS229的数学基础（概率论），有人把它做成了在线翻译版本！...

本文是斯坦福大学CS229机器学习课程的基础材料，原始文件下载[1]原文作者：ArianMaleki，TomDo翻译：石振宇[2]审核和修改制作：黄海广[3]备注：请关注github[4]的更新。
湾区人工智能·2020-07-12 23:33

广义线性模型(Generalized Linear Models)-cs229 lecture4

学习cs229时看到了广义线性模型，所谓广义，应该就是使用这个模型可以将大多数的概率分布模型统一化，可以使用这个模型推导出像sigmoid,softmax之类的函数形式。
stesha_chen·2020-07-11 23:30

机器学习篇——对数线性模型

建议首先看cs229讲的广义线性模型、exponentialfamily（指数分布族）对数线性模型包括逻辑回归、最大熵模型和条件随机场等1、模型条件概率分布（对数线性模型、概率模型）、判别模型逻辑回归：
上海滩菜鸟·2020-07-11 22:15

线性回归与逻辑回归

也可以配合这篇文章（CS229学习笔记）进行学习。目录1回归问题2虚拟变量3回归诊断3.1发现离群值3.2判断线性假设是否合理3.3误差是否满足独立、等方差、正态分布？
大羚羊·2020-07-11 12:16

斯坦福CS229机器学习笔记-Lecture1

声明：此系列博文根据斯坦福CS229课程，吴恩达主讲所写，为本人自学笔记，写成博客分享出来博文中部分图片和公式都来源于CS229官方notes。CS229的视频和讲义均为互联网公开资源。
Teeyohuang·2020-07-11 00:34

SVM原理、公式推导、libsvm源码分析

恰好翻到了以前记的cs229的笔记,其实也想了好久要不要跟风去推导公式,写写就当是复习一下了说到svm,按套路就要先说说线性分类器,如图,在特征维数为2时,可以用一条线将正负样本分离开来.当然了,这条线可以有无数条
traumland·2020-07-08 07:51

精讲DQN-深度强化学习开山之作

了解强化学习的基本背景有利于理解DQN，但并不是必需的；以下是Q-learning相关的公式清单，也可以直接跳至最后一行：公式主要来自吴恩达cs229及MitchellML在采用深度学习之前，Q-learning
布谷AI·2020-07-02 03:09

斯坦福CS229机器学习课程笔记一：线性回归与梯度下降算法

应该是去年的这个时候，我开始接触机器学习的相关知识，当时的入门书籍是《数据挖掘导论》。囫囵吞枣般看完了各个知名的分类器：决策树、朴素贝叶斯、SVM、神经网络、随机森林等等；另外较为认真地复习了统计学，学习了线性回归，也得以通过orange、spss、R做一些分类预测工作。可是对外说自己是搞机器学习的还是不太自信，毕竟和科班出身的各位大牛相比自己对这些模型、算法的理解只能算是“知其然而不知其所以然”
diezhangu4106·2020-07-01 22:19

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

斯坦福 CS228 概率图模型中文讲义 二、概率复习

二、概率复习原文：Probabilityreview译者：飞龙协议：CCBY-NC-SA4.0自豪地采用谷歌翻译我们在这里复习概率的概念，所有复习材料都来自CS229概率讲义。
布客飞龙·2020-06-29 19:44

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

深度学习1-线性回归，逻辑回归

主要参考吴恩达cs229课程作者给出问题的引入是房价的问题，房价跟面积有关
weixin_30480651·2020-06-27 20:59

deeplearning.ai 吴恩达网上课程学习

CS229比较注重理论的研究：参看CS229吴恩达斯坦福机器学习课程总结而网易云的吴恩达deeplearning.ai更加注重编程的学习，让我们带着之前的理论知识和搭建好的平台一起进行下一步的学习吧~课程概要
玥晓珖·2020-06-26 22:38

CS229第一课——线性回归

CS229第一课线性回归1LMS算法2正规方程2.1矩阵微积分2.2最小二乘新解释3概率解释4局部加权线性回归线性回归我们以下方的一个例子来讲解线性回归过程。
sxx01·2020-06-26 17:51

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。也如刘未鹏的《暗时间》里所说，哪怕更新频率很低，也应该坚持（从现在开始）写博客，记录有价值的东西（思考的产物），好处多多。我没有大神的气场，只是觉得，就算没人看，作为自己的备忘也不错，侥幸能坚持很久的话，日积月累下
NJiahe·2020-06-26 12:13

梯度下降、多元线性回归

介绍最近在学习机器学习，看的是周志华的西瓜书和吴恩达的斯坦福公开课CS229。虽然这两个教程都是经典，但个人感觉斯坦福CS229对小白更友好一些。
rocketeerLi·2020-06-26 06:37

周志华《机器学习》课后习题（第六章）：支持向量机

这个问题在吴恩达老师的《机器学习》课程（斯坦福版本CS229）里面讲解过，有兴趣的可以自己去
红色石头Will·2020-06-26 05:25

cs229笔记-octave学习笔记

1.基本操作基本数学运算：5+6581/23-2逻辑运算如：1==2值为0（假）1~=2值为1（真）1&&0假1||0真XOR(1,0)真赋值：普通变量：a=3b=‘hi’c=(3>=1)显然c为真，所以c=1矩阵：A=[1,2;3,4;5,6]这是个三行两列的矩阵V=1:0.1:2意思是数值从1开始，步长为0.1，增长到2，这是一个只有一行的矩阵V=1:6V赋予了1到6的六个整数，也是一行的矩阵
dust_finger·2020-06-25 09:54

吴恩达cs229|编程作业第一周（Python）

练习一：线性回归目录1.包含的文件2.单元线性回归3.多元线性回归1.包含的文件文件名含义ex1.py单元线性回归ex1_multi.py多元线性回归ex1data1.txt单变量线性回归数据集ex1data2.txt多变量线性回归数据集plotData.py数据可视化computeCost.py损失函数gradientDescent.py梯度下降featureNormalize.py特征归一化n
NotFound1911·2020-06-25 02:00

理解EM算法

介绍EM算法的材料里，我目前看过且觉得比较好的就是NG老师的CS229讲义和李航老师的统计学习方法。
YiyangJump·2020-06-24 21:44

机器学习概率论基础

原文出处：首发：吴恩达的CS229的数学基础（概率论），有人把它做成了在线
june_young_fan·2020-06-23 23:40

【原】斯坦福大学Andrew Ng教授主讲的《机器学习》公开课观后感

medium][b][color=blue]学习时间[/color][/b][/size]从2013年7月26日星期五开始，在网易公开课视频网站上，观看由斯坦福大学AndrewNg教授主讲的计算机系课程（编号CS229
iteye_19939·2020-06-23 19:50

CS229 Lesson 1: Linear Model - Part 1 Linear Regression

线性模型是机器学习领域里最基础的模型之一，因此被AndrewNG老师用来开启CS229课程。
phoenixmy·2020-06-23 11:07

【机器学习 吴恩达】CS229课程笔记notes1翻译-Part I线性回归

CS229课程笔记吴恩达监督学习让我们开始谈论一些监督学习的例子。
魏晓蕾·2020-06-23 11:26

【机器学习 吴恩达】CS229课程笔记notes1翻译-Part III广义线性模型

CS229课程笔记吴恩达PartIII广义线性模型到目前为止，我们已经看到一个回归的例子和一个分类的例子。
魏晓蕾·2020-06-23 11:26

斯坦福CS229机器学习课程的数学基础（概率论）翻译完成

（黄海广）本文是斯坦福大学CS229机器学习课程的基础材
风度78·2020-06-23 07:34

吴恩达机器学习入门2018高清视频公开，还有习题解答和课程拓展，网友：找不到理由不学！...

斯坦福吴恩达的CS229称第二，恐怕没人敢称第一。最近，吴恩达在斯坦福的最新CS2292018课程，已经完成YouTube上传——高清哦。
QbitAl·2020-06-22 03:19

在线阅读！！机器学习数学精华：线性代数

概率论与数理统计三部分，我整理了相关数学基础资料：源文件下载：https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math内容简介一、斯坦福大学CS229
湾区人工智能·2020-06-21 17:14

CS229学习笔记（5）

CS229_5-局部加权线性回归局部加权线性回归欠拟合与过拟合上述三幅图展示了，不同假设函数对于同一训练集的拟合情况。左图：假设函数为。很明显可看出，其拟合情况不太理想，我们将这种情况称为欠拟合（under-fitting）；右图：假设函数为。很明显可看出，其拟合情况太好了，以至于其可能对于一些训练集外的数据点无法做到很好地预测，因此我们将这种情况称为过拟合（over-fitting）。因此，我们
SmallRookie·2020-04-13 18:58

CS229 Week5 BP

title:CS229Week5BPdate:2017-03-2618:42:30categories:ML/CS229mathjax:truetags:[MachineLearning,CS229]第五周
gb_QA_log·2020-04-12 19:58

⭐ 李宏毅2020机器学习资料汇总

和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门
iteapoy·2020-04-08 11:44

CS229之线性回归

ok，这次打算重新刷一遍cs229，也强迫自己做个记录吧，一直都挺佩服那些能把技术文章写得通俗易懂的大神们....从第二章线性代数开始吧。
__cbf0·2020-04-01 02:24

ML

:怎么说呢，还是看你的方向吧如果是往工业界发展：1.有Ng的课程(推荐斯坦福的CS229，而非coursera)、林轩田在coursera上的两个课程、凸优化、矩阵分析相关的课程，就算入门了2.再看些PRML
大海一滴写字的地方·2020-03-16 01:54
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他