# 机器学习笔记
## 简介
**作者:子实**
机器学习笔记,使用 `jupyter notebook (ipython notebook)` 编写展示。
`Github` 加载 `.ipynb` 的速度较慢,建议在 [Nbviewer](http://nbviewer.jupyter.org/github/zlotus/notes-LSJU-machine-learning/blob/master/ReadMe.ipynb?flush_cache=true) 中查看该项目。
----
## 目录
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](http://open.163.com/special/opencourse/machinelearning.html)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)。
- 【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](chapter02.ipynb)
- 【第3讲】 [线性回归的概率解释、局部加权回归、逻辑回归](chapter03.ipynb)
- 【第4讲】 [牛顿法、一般线性模型](chapter04.ipynb)
- 【第5讲】 [生成学习算法、高斯判别分析、朴素贝叶斯算法](chapter05.ipynb)
- 【第6讲】 [事件模型、函数间隔与几何间隔](chapter06.ipynb)
- 【第7讲】 [最优间隔分类器、拉格朗日对偶、支持向量机](chapter07.ipynb)
- 【第8讲】 [核方法、序列最小优化算法](chapter08.ipynb)
- 【第9讲】 [经验风险最小化](chapter09.ipynb)
- 【第10讲】 [交叉验证、特征选择](chapter10.ipynb)
- 【第11讲】 [贝叶斯统计、机器学习应用建议](chapter11.ipynb)
- 【第12讲】 [$k$-means算法、高斯混合模型及最大期望算法](chapter12.ipynb)
- 【第13讲】 [最大期望算法及其应用、因子分析模型](chapter13.ipynb)
- 【第14讲】 [因子分析的EM算法、主成分分析](chapter14.ipynb)
- 【第15讲】 [PCA的奇异值分解、独立成分分析](chapter15.ipynb)
- 【第16讲】 [马尔可夫决策过程](chapter16.ipynb)
- 【第17讲】 [解连续状态的MDP](chapter17.ipynb)
- 【第18讲】 [线性二次调节](chapter18.ipynb)
- 【第19讲】 [微分动态规划及线性二次型高斯](chapter19.ipynb)
- 【第20讲】 [策略搜索算法](chapter20.ipynb)
----
- 【参考笔记1】 线性代数复习及参考
- 【参考笔记2】 [概率论复习](sn02.ipynb)
- 【参考笔记3】 MATLAB入门
- 【参考笔记4】 凸优化概述1
- 【参考笔记5】 凸优化概述2
- 【参考笔记6】 [隐式马尔可夫模型](sn06.ipynb)
- 【参考笔记7】 [多元高斯分布](sn07.ipynb)
- 【参考笔记8】 [更多关于多元高斯分布的知识](sn08.ipynb)
- 【参考笔记9】 高斯过程
笔记格式借鉴[Jin Li](https://github.com/lijin-THU/)的[机器学习笔记](https://github.com/lijin-THU/notes-machine-learning)。
没有合适的资源?快使用搜索试试~ 我知道了~
常见的经典机器学习笔记
共70个文件
png:44个
ipynb:24个
md:1个
3 下载量 111 浏览量
2023-07-21
21:33:13
上传
评论
收藏 8.23MB ZIP 举报
温馨提示
【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 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14讲】 因子分析的EM算法、主成分分析 【第15讲】 PCA的奇异值分解、独立成分分析
资源推荐
资源详情
资源评论
收起资源包目录
归档 4.zip (70个子文件)
Python100经典练习题.pdf 4.31MB
notes-LSJU-machine-learning-master
chapter12.ipynb 20KB
chapter07.ipynb 22KB
sn08.ipynb 29KB
chapter20.ipynb 17KB
chapter03.ipynb 20KB
chapter18.ipynb 23KB
chapter10.ipynb 25KB
chapter15.ipynb 22KB
chapter11.ipynb 35KB
chapter06.ipynb 16KB
resource
chapter17_image04.png 135KB
chapter14_image02.png 21KB
chapter11_image03.png 51KB
chapter12_image01.png 252KB
chapter05_image02.png 492KB
chapter14_image01.png 45KB
sn07_image01.png 270KB
chapter05_image05.png 391KB
chapter08_image04.png 34KB
chapter17_image01.png 49KB
chapter11_image04.png 421KB
chapter17_image02.png 32KB
sn02_image01.png 49KB
chapter08_image03.png 77KB
chapter17_image03.png 38KB
chapter14_image04.png 37KB
chapter02_image03.png 87KB
chapter05_image01.png 401KB
chapter05_image04.png 98KB
chapter02_image02.png 37KB
chapter09_image02.png 101KB
chapter14_image03.png 35KB
sn02_image02.png 129KB
chapter06_image02.png 42KB
chapter03_image01.png 59KB
chapter04_image01.png 64KB
chapter09_image01.png 46KB
chapter10_image02.png 61KB
chapter05_image06.png 139KB
chapter02_image01.png 40KB
chapter06_image01.png 37KB
chapter11_image02.png 61KB
chapter10_image01.png 17KB
chapter11_image01.png 62KB
chapter07_image01.png 42KB
chapter02_image04.png 58KB
chapter12_image02.png 45KB
chapter10_image03.png 29KB
chapter03_image02.png 36KB
chapter11_image05.png 295KB
chapter05_image03.png 99KB
sn07_image02.png 875KB
chapter08_image01.png 17KB
chapter08_image02.png 46KB
chapter09.ipynb 22KB
chapter19.ipynb 17KB
chapter04.ipynb 24KB
chapter02.ipynb 21KB
chapter13.ipynb 25KB
sn07.ipynb 22KB
chapter16.ipynb 19KB
ReadMe.md 3KB
chapter17.ipynb 23KB
sn06.ipynb 33KB
sn02.ipynb 15KB
ReadMe.ipynb 4KB
chapter05.ipynb 27KB
chapter08.ipynb 26KB
chapter14.ipynb 24KB
共 70 条
- 1
资源评论
智达教育
- 粉丝: 2w+
- 资源: 279
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功