这个讲义,你配合CS229的课程来看,效果简直不要太好。不过得提前说一声,数学基础得扎实点,不然可能会有点吃力。我每次看这个讲义,都有种找到了“西瓜书”源头的感觉,哈哈,你们懂的,就是那种感觉,好像“西瓜书”就是从这讲义里变出来的。 这个讲义是由大牛吴恩达和Tengyu Ma(马腾宇)在2023年6月11日整理撰写的,含...
斯坦福 CS229 机器学习讲义中文版 1-5 下载积分: 540 内容提示: CS229 Lecture notesAndrew Ng监督式学习让我们开始先讨论几个关于监督式学习的问题。假设我们有一组数据集是波特兰,俄勒冈州的 47 所房子的面积以及对应的价格我们可以在坐标图中画出这些数据:给出这些数据,怎么样我们才能用一个关于房子面积的...
CS229 Winter 2003 2 To establish notation for future use, we’ll use x(i) to denote the “input” variables (living area in this example), also called input features, and y(i) to denote the “output” or target variable that we are trying to predict (price). A pair (x(i), y(...
cs229课程讲义和中文笔记learningthem中文翻译-notes65.pdf,CS229 Lecture notes 原作者:Andrew Ng (吴恩达) 翻译:CycleUser 1 感知器(perceptron)和大型边界分类器 (large margin classifiers) 本章是讲义中关于学习理论的最后一部分,我们来介绍另外机 器学习模式
CS229Lecture原作者:AndrewNg()Part独立成分分析(IndependentComponentsysis) ysis,缩写为ICA)。这个方法和主成分分还是先用“鸡尾酒会问题(cockalparyprobem)”为例。在一个聚会场合中,有n个人同时说话,而屋子里的任意一个话筒录制到底都只是叠加在一起的这n个人。但如果假设我们也有n个不同的话筒安装在屋子里,并...
cs229课程讲义和中learningthem中文翻译1.pdf,CS229 Lecture notes 原作者:Andrew Ng ( ),翻译:CylcerUser 1 因子分析(Factor analysis) 如果有一个 模型混合(a mixture of several Gaussians )而来的数据集x ∈ R ,那 就可以用期望 最大化算法(EM algorithm )来
1 在讲义里面,我们不准备给出对偏差(bias)和方差(variance)给出正式的定义,也就说道上面讨论这样的程度而已。当然了,这两者都有严格的正式定义,例如在线性回归里面,对于这两者的定义,有若干不同的观点,但是哪一个最权威最正确(right)呢?这个还有争议的。
cs229课程讲义和中文笔记中文翻译cs229-notes1.pdf,CS229 Lecture notes 原作者:Andrew Ng (吴恩达) 翻译:CycleUser 学习(Supervised learning) 咱们先来聊几个使用 学习来解决问题的实例。假如咱们有 一个数据集,里面的数据是俄勒冈州波特兰市的 47 套房屋的 面积和
接下来就要讲决策树了,这是一类很简单但很灵活的算法。首先要考虑决策树所具有的非线性/基于区域(region-based)的本质,然后要定义和对比基于区域算则的损失函数,最后总结一下这类方法的具体优势和不足。讲完了这些基本内容之后,接下来再讲解通过决策树而实现的各种集成学习方法,这些技术很适合这些场景。
cs229课程讲义和中文笔记中文翻译notes8.pdf,CS229 Lecture notes 原作者:Andrew Ng (吴恩达) 翻译:CycleUser Part IX 期望最大化算法(EM algorithm) 在前面的若干讲义中,我们已经讲过了期望最大化算法(EM algorithm),使用场景是对一个高斯混合模型进行拟合 (fitti