一、基礎匯入課程
1、回歸：房價**
2、分類：亞馬遜商品評價分類
二、回歸
模型：線性回歸、l1/l2正則化回歸、最近鄰回歸和核回歸
演算法：梯度下降、座標下降
概念：損失函式、偏差-方差折中、交叉驗證、稀疏性、過擬合、模型選擇
三、分類
模型：線性分類器（邏輯回歸分類器、svm、神經網路）、核、決策樹decision tree
演算法：梯度下降、boosting
四、聚類
模型：nn最近鄰(1nn、knn)、聚類：高斯混合模型、lda
演算法：kd-tree/lsh、k-means、em期望最大化
擴充套件：決策樹（id3, c4.5，cart）
華盛頓大學 初探深度學習
簡單的深度學習 通過修改對應的引數，表示邏輯問題 最基本的就是表示簡單的或門 和 與門 當要表示異或時，以上的就不夠了，還要再加一層，才可以表示 由於神經網路需要非常大量的資料，並且計算量極大 哪怕有gpu 如果資料不是 很多的情況下，該怎麼辦？用深度特徵 deep features 遷移學習 用深...
機器學習入門 Coursera
1.解決方法 無論你是mac還是windows還是linux系統，系統中都會有乙個hosts檔案。這個檔案在各系統中的位址如下。1.mac系統 private etc hosts 2.linux系統 etc hosts 3.windows系統 c windows system32 drivers e...
機器學習Coursera學習總結
coursera上andrew ng的機器學習實在是太火了，最近有時間花費了20來天的時間 每天3小時左右 終於學習完了全部的課程，總結如下 1 適合入門，講的比較基礎，andrew講的很棒 2 裡面的習題相對比較容易，不過要認真揣摩每個英語單詞，不然容易犯錯 3 我是用matlab提交的程式設計作...