<转>斯坦福机器学习公开课精品笔记11
2014-02-17 21:36
309 查看
原文链接:/article/1373799.html
斯坦福ML公开课笔记11——贝叶斯正则化、在线学习、ML应用建议
本文对应ML公开课的第11个视频。前半部分仍然是讲学习理论的内容,后半部分主要讲述一些在具体应用中使用ML算法的经验。学习理论的内容包括贝叶斯统计和正则化(Bayesianstatistics and Regularization)、在线学习(OnlineLearning)。ML经验包括算法的诊断(Diagnostics for debugging learning algorithms)、误差分析(error analysis)、销蚀分析(ablativeanalysis)、过早优化(premature optimization)。相关文章推荐
- <转>斯坦福机器学习公开课精品笔记5
- <转>斯坦福机器学习公开课精品笔记4
- <转>斯坦福机器学习公开课精品笔记1-2
- <转>斯坦福机器学习公开课精品笔记3
- <转>斯坦福机器学习公开课精品笔记8
- <转>斯坦福机器学习公开课精品笔记10
- <转>斯坦福机器学习公开课精品笔记12
- <转>斯坦福机器学习公开课精品笔记6
- <转>斯坦福机器学习公开课精品笔记9
- <转>斯坦福机器学习公开课精品笔记7
- 斯坦福机器学习公开课笔记(十二)--异常检测
- 斯坦福机器学习公开课笔记(十四)--大规模机器学习
- 【机器学习-斯坦福】学习笔记11 混合高斯模型(Mixtures of Gaussians)和EM算法
- 【我们都爱Paul Hegarty】斯坦福IOS8公开课个人笔记11 View视图
- 斯坦福机器学习公开课--整理笔记(…
- 斯坦福机器学习公开课笔记(七)--对机器学习应用的一些建议
- 斯坦福机器学习公开课学习笔记(1)—机器学习的动机与应用
- 斯坦福机器学习公开课--整理笔记(…
- 斯坦福机器学习公开课笔记(四)--规格化
- 斯坦福机器学习公开课笔记(九)--支持向量机