Machine Learning

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

0 说明

浏览 80 扫码 分享 2023-11-26 22:37:20
    原作者 翻译 校对
    Andrew Ng 吴恩达 CycleUser XiaoDong_Wang
    相关连接
    Github 地址
    知乎专栏
    斯坦福大学 CS229 课程网站
    网易公开课中文字幕视频

    若有收获,就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 写在开头
    • 统计学
      • 随机变量及其分布
      • 随机变量数字特征
      • 大数定律及中心极限定理
      • 样本及抽样分布
      • 参数估计
      • 假设检验
      • 方差分析
    • 线性代数
      • MIT 线性代数
        • Lecture 1-3
        • Lecture 4-8
        • Lecture 9-10
        • Lecture 11
      • 丘维声高等代数
        • 1 线性方程组和线性空间
        • 2 子空间,基和维数
        • 3 子空间的交,和与直和
    • 运筹学
      • 图论
    • 机器学习
      • 机器学习数据处理
        • Data Types
        • Data Exploration
        • Feature Cleaning
          • 异常值检测
        • Feature Imputation
          • 缺省数据
        • Feaure Engineering
        • Feature Selection
          • 特征选择
        • Feature Encoding
        • Feature Scaling
        • Dataset Construction
      • 机器学习概念
        • Motivation
        • Performance Analysis
        • Tuning
          • 交叉验证
          • 超参数优化
          • 过拟合与欠拟合
        • Types
      • 机器学习过程
      • 机器学习数学知识
        • Linear Algebra
        • Statistics
        • Optimization
        • Regularization
        • Cost/Lost(Min) or Objective(Max) Functions
        • Probability
        • Distributions
        • Information Theory
        • Density Estimation
      • 机器学习模型
    • 集成学习
      • Bagging Boosting Stacking
      • 集成策略
      • 集成学习中的偏差和方差
      • Random Forest
      • AdaBoost
      • 前向分步算法
      • Gradient Boosting
      • GBDT与XGBoost
      • LightGBM
      • Stacking
    • 库
      • Libraries
      • Sci-kit learn
        • 决策树
        • 随机森林
        • Ensemble practice
    • Stanford CS229
      • 0 说明
      • 1 线性回归
      • 2 分类和逻辑回归
      • 3 广义线性模型
      • 4 生成学习算法
      • 5 支持向量机
      • 6 学习理论
      • 7 正则化与模型选择
      • 8 感知器和大型边界分类器
      • 9 k-均值聚类算法
      • 10 混合高斯和期望最大化算法
      • 11 因子分析
      • 12 主成分分析
      • 13 独立成分分析
      • 14 强化学习和控制
      • 15 强化学习算法
    • 百面机器学习
      • A/B 测试
    • Kaggle
      • Public test and private test
    暂无相关搜索结果!

      让时间为你证明

      展开/收起文章目录

      分享,让知识传承更久远

      文章二维码

      手机扫一扫,轻松掌上读

      文档下载

      请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度

          思维导图备注