在拟合参数时,如果选择使训练误差(training error)最小化,这个过程称为经验风险最小化(empirical risk minimization, ERM),这是一种最basic的学习算法,而当前讲义主要关注的也是这种算法. 我们把学习算法所使用的假设类(hypothesis class)\mathcal{H}定义为所有分类器的集合,那么ERM就可以表示为: \hat{h}=\arg \...
CS229 相关讲义:cs229.stanford.edu/note 1 有监督学习 符号定义: x(i) :输入特征; y(i) :目标变量; (x(i),y(i)) :训练样本; {(x(i),y(i));i=1,...,m} :训练集 X :输入值的空间; Y :输出值的空间 m :样本数, n :特征维度(2018 年秋季学期符号定义,文章与此定义一致)。
图片来源于网络或者讲义。话不多说,进入正题吧。 Part I Regression and Linear Regression 线性回归 课程内容首先从监督学习开始。在监督学习里,你应该有待训练的特征的集合(训练集)以及标签作为输入,你想得到的这些特...广义线性模型(Generalized Linear Models, GLM) 转载地址:http://lib.csdn.net/article/...
**CS229的视频和讲义均为互联网公开资源** Lecture 2 这一节主要讲的是三个部分的内容: ·Linear Regression(线性回归) ·Gradient Descent(梯度下降) ·Normal Equations(正规方程组) 1、 线性回归 首先给了一个例子,如何根据房屋的大小等数据,来预测房屋的价格 引入一些符号以便于叙述: m– 表示训练样本的数目...
CS229的视频和讲义均为互联网公开资源 代码语言:txt Lecture4 Lecture4的主要内容: ·logistic regression 部分剩下的Newton’smethod ·Exponential family (指数分布族) Generalized linear model(广义线性模型GLM) 1、 Newton’s method 接着Lecture3的内容讲,还是先在这里给出我们要进行极大似然估计的对数似然函数...
Andrew Ng教授的机器学习课程cs229对应的上课讲义,作业,以及作业讲解 cs2292018-02-08 上传大小:9.00MB 所需:50积分/C币 斯坦福大学CS231a课程资料.rar 斯坦福大学CS231a课程讲义及资料,和李飞飞团队的cs231n有点区别,都是一个大团队的。。。 上传者:GGY1102...
向量是一种特殊的矩阵,讲义中的向量一般都是列向量,如: 为四维列向量(4×1)。 如下图为1索引向量和0索引向量,左图为1索引向量,右图为0索引向量,一般我们用1索引向量。 , 3.2 加法和标量乘法 参考视频: 3 - 2 - Addition and Scalar Multiplication (7 min).mkv ...
吴恩达斯坦福公开课CS229 Machine Learning原版讲义,高清 上传者:tgsfjl时间:2017-11-07 吴恩达Machine Learning课程对应Jupyter代码(第一课 P1-41) 吴恩达Machine Learning课程对应Jupyter代码(第一课 P1-41) 压缩包包含吴恩达课程的第一部分 监督学习、回归与分析 的课程ppt和一系列基于Jupyter Notebook的Python代码,主...
CS229 课程讲义中文翻译 原课程地址:http://cs229.stanford.edu/ 我(@CycleUser)的身体状况短期内无法分散精力来继续 Markdown 的制作,而 @飞龙 不断翻译新内容才更是一种有利于广大朋友获取新技能新知识的好思路,他的精力如果用于对旧文档的维护,则是相当的浪费,很不划算。
Feb 5, 2018 LICENSE GPL Dec 29, 2017 README.md Update README.md Jul 12, 2018 puluotianyi在CSDN分享的中文笔记.zip 课程官网最新资料稍后同步 Apr 18, 2017 斯坦福大学机器学习课程原始讲义2007.zip 课程官网最新资料稍后同步 Apr 18, 2017