斯坦福机器学习课程笔记1
2017-06-17 16:17
232 查看
一,先提知识
1,计算机科学基础知识,基本技能以及原理
2,概论统计基础知识
3,线性代数基本知识
二,本课程目标
能够运用机器学习的算法解决实际问题
进行机器学习方面的研究
证明一些定理(比如邮编读取可达到99.9%的正确率)
三,使用工具
MATLAB或octave
四,在线资源
1,http://cs229.stanford.edu/
2,新闻组 http://su.class.cs229/
3,联系我们:cs229-qa@cs.stanford.edu
五,课程内容设置
四个部分:
1,监督学习
给算法提供了一组标准答案,算法学习标准输入和标准答案之间的联系,以尝试对于给定的其他输入提供更为标准的答案。
回归问题:即需要测量的变量是连续的。
分类问题:需要处理的变量是离散的,而非连续的。
案例1:通过房屋面积和售价的一组数据预算特定大小房屋面积下的售价。
案例2:算法预测一个肿瘤是否为恶性的。
2,学习理论
3,无监督学习
给一组数据,但是不告诉你关于数据的任何正确答案,从这组数据中找到有趣的结构
聚类:
案例:从嘈杂的声音中提取某个声音,文本处理,基因分组,图像像素分组进而创造3D世界
4,强化学习
不需要进行决策时使用,如何定义好的行为,坏的行为,强化学习的算法来尽可能获得更多的回报和更少的惩罚。
回报函数
案例:程序让直升飞机飞行,网页爬虫。
1,计算机科学基础知识,基本技能以及原理
2,概论统计基础知识
3,线性代数基本知识
二,本课程目标
能够运用机器学习的算法解决实际问题
进行机器学习方面的研究
证明一些定理(比如邮编读取可达到99.9%的正确率)
三,使用工具
MATLAB或octave
四,在线资源
1,http://cs229.stanford.edu/
2,新闻组 http://su.class.cs229/
3,联系我们:cs229-qa@cs.stanford.edu
五,课程内容设置
四个部分:
1,监督学习
给算法提供了一组标准答案,算法学习标准输入和标准答案之间的联系,以尝试对于给定的其他输入提供更为标准的答案。
回归问题:即需要测量的变量是连续的。
分类问题:需要处理的变量是离散的,而非连续的。
案例1:通过房屋面积和售价的一组数据预算特定大小房屋面积下的售价。
案例2:算法预测一个肿瘤是否为恶性的。
2,学习理论
3,无监督学习
给一组数据,但是不告诉你关于数据的任何正确答案,从这组数据中找到有趣的结构
聚类:
案例:从嘈杂的声音中提取某个声音,文本处理,基因分组,图像像素分组进而创造3D世界
4,强化学习
不需要进行决策时使用,如何定义好的行为,坏的行为,强化学习的算法来尽可能获得更多的回报和更少的惩罚。
回报函数
案例:程序让直升飞机飞行,网页爬虫。
相关文章推荐
- 斯坦福机器学习课程笔记week4&5-神经网络
- (斯坦福机器学习课程笔记)用广义线性模型推导逻辑回归模型
- 斯坦福机器学习在线课程笔记
- (斯坦福机器学习课程笔记)混合高斯模型,朴素贝叶斯,混合朴素贝叶斯模型,因子分析
- 机器学习(斯坦福 Mechine Learning课程)笔记
- (斯坦福机器学习课程笔记)局部加权线性回归练习
- (斯坦福机器学习课程笔记)正则化和机器学习应用的建议
- (斯坦福机器学习课程笔记)支持向量机之对偶问题
- 斯坦福机器学习课程笔记(第五讲)
- (斯坦福机器学习课程笔记)牛顿法算法学习
- (斯坦福机器学习课程笔记)支持向量机之拉格朗日函数的对偶问题
- (斯坦福机器学习课程笔记)VC维,交叉检验和特征选择
- (斯坦福机器学习课程笔记)马尔可夫决策
- (斯坦福机器学习课程笔记)支持向量机之拉格朗日函数
- (斯坦福机器学习课程笔记)用广义线性模型推导softmax
- (斯坦福机器学习课程笔记)多项式回归练习
- 斯坦福机器学习课程笔记week2&3 线性/逻辑斯蒂回归
- (斯坦福机器学习课程笔记)EM算法
- 斯坦福机器学习课程笔记(第五讲)
- 【机器学习-斯坦福】学习笔记3 - Logistic回归