会员服务

资料｜斯坦福网络课程《机器学习》的笔记（全套）

2017 年 11 月 2 日 全球人工智能 子实

——免费加入AI技术专家社群>>

——免费加入AI高管投资者群>>

来自斯坦福网络课程《机器学习》的笔记，可以在斯坦福大学公开课：机器学习课程观看。根据视频内容，对每一讲的名称可能会有所更改（以更好的体现各讲的教学内容）。

视频：http://open.163.com/special/opencourse/machinelearning.html

  • 【第1讲】 机器学习的动机与应用（主要是课程要求与应用范例，没有涉及机器学习的具体计算内容）

  • 【第2讲】 监督学习应用-线性回归

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter02.ipynb

  • 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter03.ipynb

  • 【第4讲】 牛顿法、一般线性模型

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter04.ipynb

  • 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter05.ipynb

  • 【第6讲】 事件模型、函数间隔与几何间隔

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter06.ipynb

  • 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter07.ipynb

  • 【第8讲】 核方法、序列最小优化算法

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter08.ipynb

  • 【第9讲】 经验风险最小化

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter09.ipynb

  • 【第10讲】 交叉验证、特征选择

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter10.ipynb

  • 【第11讲】 贝叶斯统计、机器学习应用建议

    http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/chapter11.ipynb

  • 【第12讲】