斯坦福大学吴恩达2014机器学习教程笔记目录(更至第六章,在更)

    现在其实有很多关于机器学习的课程,但是最经典的还是吴恩达2014机器学习的课程。

    课程地址:https://www.coursera.org/course/ml

    这是我自己在学习过程中的笔记,争取每天都更新。

 

目录

        一、引言

                1.1欢迎

                1.2机器学习是什么?

                1.3监督学习

                1.4无监督学习

        二、单变量线性回归

                2.1模型描述

                2.2代价函数的数学定义

                2.3代价函数的直观理解Ⅰ

                2.4代价函数的直观理解Ⅱ

                2.5梯度下降

                2.6梯度下降的直观理解

                2.7梯度下降的线性回归

        三、线性代数知识回顾

                3.1矩阵和向量

                3.2加减法和标量乘法

                3.3矩阵向量乘法

                3.4矩阵乘法

                3.5矩阵乘法的性质

                3.6逆、转置

        四、多变量线性回归

                4.1多维特征

                4.2多变量梯度下降

                4.3梯度下降法实践Ⅰ:特征缩放

                4.4梯度下降法实践Ⅱ:学习率

                4.5特征和多项式回归

                4.6正规方程

                4.7正规方程及其不可逆性(选学)

        五、Octave教程

                5.1基本操作

                5.2移动数据

                5.3计算数据

                5.4数据绘制

                5.5控制语句:for,while,if语句 

                5.6矢量

        六、逻辑回归

                6.1分类回归

                6.2假设陈述

                6.3决策界限

                6.4代价函数

                6.5简化代价函数与梯度下降

                6.6高级优化

                6.7多元分类:一对多

 

posted @ 2020-04-10 23:10  不爱学习的Shirley  阅读(257)  评论(0编辑  收藏  举报