第三讲比较简单，参考：http://www.cnblogs.com/HappyAngel/p/3466527.html
第四讲很抽象，尤其是第四个视频，目的仍然是为了证明机器学习是可能的，不过这个博主解释的还算清楚：http://www.cnblogs.com/HappyAngel/p/3495804.html
相关文章
- 02-12《机器学习(周志华)》笔记--模型的评估与选择（5）--衡量分类任务的性能指标：精准度与召回率计算
- 02-12写给程序员的机器学习入门 (八) - 卷积神经网络 (CNN) - 图片分类和验证码识别
- 02-12机器学习-实战-入门-linearSVC和SVC,身高体重与胖瘦关系的分类与预测
- 02-12李宏毅机器学习课程笔记-9.5详解基于LSTM的RNN
- 02-12机器学习进阶-直方图与傅里叶变换-傅里叶变换(高低通滤波) 1.cv2.dft(进行傅里叶变化) 2.np.fft.fftshift(将低频移动到图像的中心) 3.cv2.magnitude(计算矩阵的加和平方根) 4.np.fft.ifftshift(将低频和高频移动到原来位置) 5.cv2.idft(傅里叶逆变换)
- 02-12李宏毅机器学习课程笔记-10.4基于Smoothness假设的半监督学习
- 02-12scikit基础与机器学习入门（3）机器学习任务的一般流程——以鸢尾花分类为例
- 02-12机器学习的定义和分类
- 02-12机器学习中分类任务的常用评估指标和python代码实现
- 02-12Stanford机器学习笔记-6. 学习模型的评估和选择