[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

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。


[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

[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

[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

[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

[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

上一篇:HDU1285 拓扑排序


下一篇:[置顶] 生成学习算法、高斯判别分析、朴素贝叶斯、Laplace平滑——斯坦福ML公开课笔记5