斯坦福大学2014机器学习个人笔记

斯坦福大学2014机器学习个人笔记

ID:24395837

大小:17.15 MB

页数:210页

时间:2018-11-14

斯坦福大学2014机器学习个人笔记_第1页
斯坦福大学2014机器学习个人笔记_第2页
斯坦福大学2014机器学习个人笔记_第3页
斯坦福大学2014机器学习个人笔记_第4页
斯坦福大学2014机器学习个人笔记_第5页
资源描述:

《斯坦福大学2014机器学习个人笔记》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、黄海广Haiguang2000@qq.com摘要本笔记是针对斯坦福大学2014年机器学习课程视频做的个人笔记最后修改:2015-2-17斯坦福大学2014机器学习教程个人笔记(V2.0)斯坦福大学2014机器学习教程中文笔记课程概述MachineLearning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演译。在过去的十年中,机器学

2、习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习最有效的机器学习技术,并获得实践,让它们为自己的工作。更重要的是,你会不仅得到理论基础的学习,而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后,你会学到一些硅谷利用机器学习和人工智能的最佳实践创新。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:(一)监督学习(参数/

3、非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。本课程需要10周共18节课,相对以前的机器学习视频,这个视频更加清晰,而且每课都有ppt课件,推荐学习。本人是中国海洋大学2014级博士生,目前刚开始接触机器学习,我下

4、载了这次课程的所有视频和课件给大家分享。中英文字幕来自于https://www.coursera.org/course/ml,主要是教育无边界字幕组翻译,本人把中英文字幕进行合并,并翻译了部分字幕,对视频进行封装,归类,并翻译了课程目录,做好课程索引文件,希望对大家有所帮助。部分视频中文字幕由中国海洋大学的博士生翻译。视频已经翻译完毕(除了OCTAVE教程没有翻译),如果下载了视频,可以直接在文档中打开视频,内嵌中英文字幕。目前我正在整理中文笔记,主要是根据视频内容和中文字幕以及ppt来制作,部分来源于网络,如“

5、小小人_V”的笔记,并持续更新。本人水平有限,如有公式、算法错误,请及时指出,发邮件给我。黄海广2014-12-16夜n文档修改历史版本号版本日期修改总结修订人1.02014.12.16创建初稿黄海广1.12014.12.31修改黄海广2.02015.02.17修改黄海广目录第1周1一、引言(Introduction)11.1欢迎11.2机器学习是什么?41.3监督学习61.4无监督学习10二、单变量线性回归(LinearRegressionwithOneVariable)152.1模型表示152.2代价函数17

6、2.3代价函数的直观理解I192.4代价函数的直观理解II202.5梯度下降212.6梯度下降的直观理解222.7梯度下降的线性回归232.8接下来的内容24三、线性代数回顾(LinearAlgebraReview)253.1矩阵和向量253.2加法和标量乘法273.3矩阵向量乘法283.4矩阵乘法293.5矩阵乘法的性质303.6逆、转置31第2周32四、多变量线性回归(LinearRegressionwithMultipleVariables)324.1多维特征324.2多变量梯度下降344.3梯度下降法实践

7、1-特征缩放364.4梯度下降法实践2-学习率384.5特征和多项式回归394.6正规方程414.7正规方程及不可逆性(可选)44五、Octave教程(OctaveTutorial)455.1基本操作455.2移动数据465.3计算数据475.4绘图数据485.5控制语句:for,while,if语句495.6矢量化505.7工作和提交的编程练习51第3周52六、逻辑回归(LogisticRegression)526.1分类问题526.2假说表示536.3判定边界556.4代价函数576.5简化的成本函数和梯度下

8、降606.6高级优化616.7多类分类:一个对所有62七、正则化(Regularization)637.1过拟合的问题637.2代价函数657.3正则化线性回归677.4正则化的逻辑回归模型68第4周69第八、神经网络:表述(NeuralNetworks:Representation)698.1非线性假设698.2神经元和大脑718.3模型表示1758.4模型表示2798

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。