吴恩达《Machine Learning》精炼笔记 3:回归问题和正则化
36红色石头 发布于 2021-01-14
今天带来第三周课程的笔记:回归问题和正则化。 主要讲解的内容包含: 逻辑回归 代价函数 线性回归和逻辑回归的比较 正则化问题 逻辑回归 分类问题 逻辑回归 分类问题 假设预测的变量y是离散的值,需要使用逻辑回归Logistic Regression,LR的算法,实际上它是一种分类...
阅读(4048)评论(0)赞 (1)
红色石头 发布于 2021-01-14
今天带来第三周课程的笔记:回归问题和正则化。 主要讲解的内容包含: 逻辑回归 代价函数 线性回归和逻辑回归的比较 正则化问题 逻辑回归 分类问题 逻辑回归 分类问题 假设预测的变量y是离散的值,需要使用逻辑回归Logistic Regression,LR的算法,实际上它是一种分类...
阅读(4048)评论(0)赞 (1)
红色石头 发布于 2020-12-24
今天带来第二周课程的笔记:梯度下降与正规方程。 主要内容: 多维特征 多变量梯度下降 梯度下降法实践 正规方程 多维特征Multiple Features 多维特征Multiple Features 还是利用房价模型的例子,增加了更多的特征,比如:房间楼层、房间数量、地理位置等,...
阅读(5240)评论(0)赞 (2)
红色石头 发布于 2020-11-28
0. 引言 吴恩达(Andrew Ng),毫无疑问,是全球人工智能(AI)领域的大 IP!然而,吴恩达从最早的 CS229,到后来的 deeplearning.ai 深度学习专项课程,还有其它 AI 资源,大神发布的 AI 知名课程和资料非常多。 说到吴恩达优秀的 AI 课程,首...
阅读(8387)评论(0)赞 (11)
红色石头 发布于 2020-11-27
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时,我们常常会遇到各种各样的机器学习问题和知识点。 算法理论基础不仅包含基本概念、数学基础,也包含了机器学习、深度学习相关。今天给大家推荐一个不错的算法理论基础面试题汇总资源,已开源~ 首先放上这份开源面试...
阅读(5052)评论(0)赞 (3)
红色石头 发布于 2020-11-27
微软剑桥研究院实验室主任 Christopher Bishop 的经典著作《Pattern Recognition and Machine Learning》,中文译名《模式识别与机器学习》,简称 PRML,深受广大机器学习爱好者好评! 在豆瓣上,这本书也是收到了 9.5 的高分...
阅读(5779)评论(0)赞 (1)
红色石头 发布于 2020-06-28
如今,AI有道已经陪伴读者两年了。在这段时间里,我们一直专注于人工智能最前沿的技术、干货和资讯,努力为读者呈现最有价值的 AI 信息,致力于为读者提供切实可行的 AI 学习路线。 两年的时间,我们已经发布了超过 160 篇技术干货文章,52 万字,电子版总共 1700 多页。内容...
阅读(40099)评论(0)赞 (13)
红色石头 发布于 2020-06-28
现在大家平时会遇到很多不错的机器学习资源,但是大多数情况下,资源比较分散,不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航,形成系统的学习路线,方便搜索。 重磅!今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间...
阅读(10479)评论(0)赞 (2)
红色石头 发布于 2020-02-04
无需置疑,数学基础和理论知识在机器学习中扮演十分重要的角色!提升数学理论水平对于提高自身的机器学习水平非常有帮助! 然而,对于大部分初学者来说,理论部分太难往往会削弱学习的积极性。在学习的时候,必须要平衡理论难度与易用性二者之间的关系。 因此,本文推荐一份非常不错的《A Comp...
阅读(8136)评论(0)赞 (7)
红色石头 发布于 2020-02-04
机器学习中的数学基础一直以来都是非常重要的,而且是比较难的。要想真正提高机器学习算法水平,其中的数学基础必须合格!今天给大家推荐一本非常棒的《机器学习数学基础》,原名:《Mathematics for Machine Learning》。 本书网址: https://mml-bo...
阅读(15784)评论(0)赞 (8)
红色石头 发布于 2020-02-04
今天给大家推荐一个非常全面的 AI 面试笔记集锦,包含 2018、2019 年的校招、春招、秋招。内容涉及自然语言处理(NLP)、深度学习(Deep Learning)、机器学习(Machine Learning)、C、C++、Python、面试笔记等。 首先放上该面试笔记的在线...
阅读(5315)评论(0)赞 (0)