斯坦福机器学习笔记
Introduction
线性回归
回归问题
线性回归与梯度下降
程序示例--梯度下降
正规方程
特征缩放
多项式回归
程序示例--多项式回归
欠拟合与过拟合
程序示例--局部加权线性回归
逻辑回归
0/1 分类问题
逻辑回归
利用正规化解决过拟合问题
程序示例--线性决策边界
程序示例--非线性决策边界
多分类问题
程序示例--多分类问题
神经网络
再论 0/1 分类问题
神经网络概述
前向传播与反向传播
参数展开
梯度校验
权值初始化
感知器
神经网络解决逻辑运算问题
神经网络解决多分类问题
程序示例--神经网络设计
程序示例--逻辑运算
程序示例--多分类问题
算法分析与优化
陷入不归路的调试
数据集划分
偏差与方差
机器学习系统设计--垃圾邮件分类
偏斜类
大数据集
程序示例--算法诊断
SVM（支持向量机）
代价函数
大间距分类器
核函数
SVM 的使用建议
SVM 补充
SMO
程序示例--基于 SMO 的 SVM 模型
程序示例--线性分类
程序示例--非线性分类
程序示例--模型选择
程序示例--垃圾邮件检测
K-Means
无监督学习
K-Means 算法步骤
优化
如何初始化聚类中心
如何确定聚类数
二分 K-Means 算法
程序示例--K-Means
程序示例--二分 K-Means
特征降维
概述
PCA
程序示例--PCA 模型
程序示例--PCA for 加速学习
程序示例--PCA for 数据可视化
异常检测
概述
高斯分布模型
算法流程与评估
有监督学习与异常检测
特征选择
多元高斯分布模型
程序示例--异常检测
推荐系统
基于内容的推荐系统
协同过滤
低秩矩阵分解
均值标准化
程序示例--推荐系统
大规模机器学习
掌握大数据
梯度下降
在线学习与MapReduce
案例--光学字符识别
问题描述及算法流程
滑动窗口
人工合成数据
上限分析
Powered by
GitBook
推荐系统
results matching "
"
No results matching "
"