局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
2013-06-17 17:04
281 查看
转载请注明:http://blog.csdn.net/xinzhangyanxiang/article/details/9113681
最近在看Ng的机器学习公开课,Ng的讲法循循善诱,感觉提高了不少。该系列视频共20个,每看完一个视频,我都要记录一些笔记,包括公式的推导,讲解时候的例子等。按照Ng的说法,公式要自己推理一遍才能理解的通透,我觉得自己能够总结出来,发到博客上,也能达到这个效果,希望有兴趣的同学要循序渐进,理解完一个算法再开始学另外一个算法,每个算法总结一遍,虽然看起来很慢,但却真正的理解了,所谓虽慢实快者也。
该系列的视频对于数学公式的推导讲的很细,相信看完该视频后会对机器学习的各种算法的推导很熟悉。
由于csdn博客上写公式实在是太难弄了,如果一个公式一个公式的转成图片传上来,反而是排版很差。所以索性全部弄成图片传上来,虽然这样不利于SEO,但是在csdn这个平台下,相信还是会有很多人看到我的博客的,希望能对读者有所帮助。
视频1-2的笔记见上一篇博文,本文是第三个视频的笔记。
第3个视频的笔记如下,主要的内容包括局部加权回归、最小二乘的概率解释、逻辑斯蒂回归、感知器算法。
最近在看Ng的机器学习公开课,Ng的讲法循循善诱,感觉提高了不少。该系列视频共20个,每看完一个视频,我都要记录一些笔记,包括公式的推导,讲解时候的例子等。按照Ng的说法,公式要自己推理一遍才能理解的通透,我觉得自己能够总结出来,发到博客上,也能达到这个效果,希望有兴趣的同学要循序渐进,理解完一个算法再开始学另外一个算法,每个算法总结一遍,虽然看起来很慢,但却真正的理解了,所谓虽慢实快者也。
该系列的视频对于数学公式的推导讲的很细,相信看完该视频后会对机器学习的各种算法的推导很熟悉。
由于csdn博客上写公式实在是太难弄了,如果一个公式一个公式的转成图片传上来,反而是排版很差。所以索性全部弄成图片传上来,虽然这样不利于SEO,但是在csdn这个平台下,相信还是会有很多人看到我的博客的,希望能对读者有所帮助。
视频1-2的笔记见上一篇博文,本文是第三个视频的笔记。
第3个视频的笔记如下,主要的内容包括局部加权回归、最小二乘的概率解释、逻辑斯蒂回归、感知器算法。
相关文章推荐
- 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- 【转】 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- 局部加权回归、最小二乘的概率解释、逻辑斯蒂回归、感知器算法——斯坦福ML公开课笔记3
- 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
- [置顶] 局部加权回归、最小二乘的概率解释、逻辑斯蒂回归、感知器算法——斯坦福ML公开课笔记3
- 局部加权回归、逻辑斯谛回归、感知器算法—斯坦福ML公开课笔记3
- 机器学习笔记三 - 局部加权回归、最小二乘的概率解释、逻辑斯蒂回归、感知器算法
- 第三集 欠拟合与过拟合的概念、局部加权回归、logistic回归、感知器算法
- 第三集 欠拟合与过拟合的概念、局部加权回归、logistic回归、感知器算法
- 机器学习(三):局部加权线性回归算法、Logistic回归算法
- 机器学习--吴恩达(局部加权,最小二乘法,逻辑回归和感知器算法)
- 2.局部加权线性回归和逻辑回归
- 逻辑回归.感知器算法
- 机器学习+逻辑斯蒂回归算法
- Stanford大学机器学习公开课(三):局部加权回归、最小二乘的概率解释、逻辑回归、感知器算法
- 回归算法学习笔记(二)局部加权线性回归
- 非参数学习算法之局部加权回归
- 弱分类器的强势体:逻辑回归算法与推导
- 逻辑回归模型算法研究与案例分析
- 《机器学习实战》-- 逻辑斯蒂回归<一>