红色石头的个人博客我的机器学习入门路线图
3红色石头 发布于 2018-08-06
因为之前有不少朋友在微信或 QQ 上问我，机器学习、深度学习应该如何入门呢？对应这一问题，红色石头碰巧也在知乎上看到有人提问，就把自己的入门学习经验好好总结了一番，包括各种资源、课程笔记和建议，以及红色石头切身经历的机器学习路线图。希望对你有所帮助。 1. 放弃海量资料！ 没错，...
阅读(67438)评论(1)赞 (78)
标签：林轩田
精心整理 | 林轩田机器学习资源汇总
7红色石头 发布于 2018-07-29
课程介绍 台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程：《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些...
阅读(27983)评论(0)赞 (92)
林轩田机器学习技法课程学习笔记16（完结） — Finale
17红色石头 发布于 2018-07-29
本节课主要从三个方面来对机器学习技法课程做个总结：Feature Exploitation Techniques，Error Optimization Techniques和Overfitting Elimination Techniques。最后介绍了林轩田老师带领的台大团队是...
阅读(7845)评论(1)赞 (8)
林轩田机器学习技法课程学习笔记15 — Matrix Factorization
26红色石头 发布于 2018-07-29
本节课主要介绍了Matrix Factorization。从电影推荐系统模型出发，首先，我们介绍了Linear Network。它从用户ID编码后的向量中提取出有用的特征，这是典型的feature extraction。然后，我们介绍了基本的Matrix Factorizatio...
阅读(7028)评论(0)赞 (3)
林轩田机器学习技法课程学习笔记14 — Radial Basis Function Network
43红色石头 发布于 2018-07-29
本节课主要介绍了Radial Basis Function Network。RBF Network Hypothesis就是计算样本之间distance similarity的Gaussian函数，这类原型替代了神经网络中的神经元。RBF Network的训练学习过程，其实就是对...
阅读(8606)评论(0)赞 (1)
林轩田机器学习技法课程学习笔记13 — Deep Learning
28红色石头 发布于 2018-07-29
本节课主要介绍了深度学习（deep learning）的数学模型，也是上节课讲的神经网络的延伸。由于深度学习网络的复杂性，其建模优化是比较困难的。通常，我们可以从pre-training和regularization的角度来解决这些困难。首先，autoencoder可以得到比较不...
阅读(8101)评论(0)赞 (0)
林轩田机器学习技法课程学习笔记12 — Neural Network
27红色石头 发布于 2018-07-28
本节课主要介绍了Neural Network模型。首先，我们通过使用一层甚至多层的perceptrons来获得更复杂的非线性模型。神经网络的每个神经元都相当于一个Neural Network Hypothesis，训练的本质就是在每一层网络上进行pattern extractio...
阅读(7280)评论(0)赞 (2)
林轩田机器学习技法课程学习笔记11 — Gradient Boosted Decision Tree
37红色石头 发布于 2018-07-28
本节课主要介绍了Gradient Boosted Decision Tree。首先讲如何将AdaBoost与Decision Tree结合起来，即通过sampling和pruning的方法得到AdaBoost-D Tree模型。然后，我们从optimization的角度来看Ada...
阅读(7977)评论(0)赞 (8)
林轩田机器学习技法课程学习笔记10 — Random Forest
40红色石头 发布于 2018-07-28
本节课主要介绍了Random Forest算法模型。RF将bagging与decision tree结合起来，通过把众多的决策树组进行组合，构成森林的形式，利用投票机制让G表现最佳，分类模型更稳定。其中为了让decision tree的随机性更强一些，可以采用randomly p...
阅读(8599)评论(0)赞 (1)
林轩田机器学习技法课程学习笔记9 — Decision Tree
26红色石头 发布于 2018-07-28
本节课主要介绍了Decision Tree。首先将decision tree hypothesis对应到不同分支下的矩gt。然后再介绍决策树算法是如何通过递归的形式建立起来。接着详细研究了决策树C&RT算法对应的数学模型和算法架构流程。最后通过一个实际的例子来演示决策树C&RT算...
阅读(7842)评论(0)赞 (1)
