根据台大的机器学习在Coursera上公开课《机器学习基石》和《机器学习技术》整理的笔记，考虑到现在该课程已经关闭了，所以我把我的学习笔记慢慢整理出来。这是第一篇-Linear SVM 如果我们采用PLA(Percetron Learning Algorithmn)，已经能够得到若干种w,这些w都能 ...
分类：
其他好文 时间：
2016-08-04 17:37:07
阅读次数：
127
最近在班主任的带领下，开始观看台湾大学林轩田教授的机器学习基石课程，虽然吧，台湾人，汉语说得蛮6，但是还是听着怪怪的，不过内容非常值得刚刚入门的机器学习小白学习，话不多说，直接进入正题。
1.基本介绍
（貌似这里一般是应该背景介绍，但是，历史吗，自己去百度吧）
（1）preceptron
翻译中文叫做感知器，如果你之前听说过神经网络的，它其实就是网络中的一个神经元，它自身的作用非常小，只能...
分类：
编程语言 时间：
2016-07-11 17:13:07
阅读次数：
599
cousera-Andrew NG的机器学习足够入门cs229台湾大学林轩田老师的机器学习基石和机器学习技法结合李航的<<统计学习方法>>和周志航的<<机器学习>> 看完之后看<<机器学习实战>>之后去kaggle打比赛, 再想深了看看pr ...
分类：
系统相关 时间：
2016-07-08 13:51:24
阅读次数：
176
大家好，我是Mac Jiang。看到大家对我的博客的支持，非常感动。今天和大家分享的是我在学习机器学习基石时的手写笔记。当时在学习的时候，我把一些我认为重要的东西写了下来，一来是为了加深印象，二来是为了供以后复习之用。
网上的机器学习基石笔记也有很多，但大多是电子版，个人更加倾向于手写版的自由。毛主席曾经说过，“不动笔墨不读书”，我觉得这句话非常有道理，以我个人的学习方法而言，是...
分类：
系统相关 时间：
2016-07-07 15:45:39
阅读次数：
271
台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石，从今天起开始去粗取精
本文在差不多是随堂笔记，可读性不好。。第一讲比较基础，一些概念自己早已经理解了，所以不再做笔记，有点印象的是讲到了ML、DL、AI的一些联系与区别，ML主要是想从数据中学习/逼近一个理想的函数f(x)第二讲讲到了PLA，感知器学习算法，并且证明了线性可分时感知器收敛定理（与Haykin的Neural Networks...
分类：
其他好文 时间：
2016-06-02 13:54:14
阅读次数：
1817
机器学习基石第六讲继续讨论“学习是否可行的问题”。Restriction of Break Point继续前面的讨论，我们看mH(N)m_H(N)是否会有一个很小的增长速度。回顾前面的四种成长函数及其break point。我们知道k是一个成长函数的break point，那比k大的值全是break point。mH(N)m_H(N)是一个hypothesis在N个数据点上可以产生的dichotom...
分类：
其他好文 时间：
2016-04-29 19:46:40
阅读次数：
175
博客已经迁移至Marcovaldo’s blog (http://marcovaldong.github.io/)机器学习基石第八讲主要介绍噪声和误差度量，笔记整理在下面。Noise and Probabilistic Target现实中的数据很可能含有噪声（noise），例如前面的信用卡发放问题中，有的顾客符合发放标准但没有发给，或者同样情况的顾客有人发了有人没法，再或者顾客的信息不正确等等，VC...
分类：
其他好文 时间：
2016-04-29 18:06:05
阅读次数：
192
[此笔记源于台湾大学林轩田老师《机器学习基石》《机器学习技法》] 机器学习真的可以起作用吗？答案是肯定的。 那为什么这个问题还要拿出来讲一讲呢？ 考虑一个问题： 现在知道了5个数据，预测其余3个xn的输出，有如下可能： 我们根本没法预测！ 这个问题formally的表示是：对于一个整体，我们随机抽取 ...
分类：
其他好文 时间：
2016-04-27 12:29:34
阅读次数：
138
机器学习基石第六讲继续讨论“学习是否可行的问题”。Restriction of Break Point继续前面的讨论，我们看mH(N)m_H(N)是否会有一个很小的增长速度。回顾前面的四种成长函数及其break point。我们知道k是一个成长函数的break point，那比k大的值全是break point。mH(N)m_H(N)是一个hypothesis在N个数据点上可以产生的dichotom...
分类：
其他好文 时间：
2016-04-26 21:45:14
阅读次数：
102
博客已经迁移至Marcovaldo’s blog (http://marcovaldong.github.io/)机器学习基石第八讲主要介绍噪声和误差度量，笔记整理在下面。Noise and Probabilistic Target现实中的数据很可能含有噪声（noise），例如前面的信用卡发放问题中，有的顾客符合发放标准但没有发给，或者同样情况的顾客有人发了有人没法，再或者顾客的信息不正确等等，VC...
分类：
其他好文 时间：
2016-04-26 20:27:58
阅读次数：
122
