机器学习基石笔记-Lecture 1 The learning problem

相关推荐

• 机器学习笔记12 降维 1.1 目标1：数据压缩 Data Compression 1.2 目标2：可视化 Data visualization 1.3 主成分分析问题描述 Principal Component Analysis problem formulation 1.4 重建原始特征 Reconstruction from compressed representation 1.5 主成分数量选择 Choosing the number of principal components 1.6 PCA的应用建议 Advice for applying PCA
• 机器学习笔记13 异常检测 1.1 问题动机 problem motivation 1.2 高斯分布 Gaussian distribution 1.3 异常检测算法 Algorithm 1.4 开发和评估异常检测系统 Developing and evaluating an anomaly detection system 1.5 异常检测与监督学习对比 Anomaly Detection vs. Supervised Learning  1.6 选择特征 Choosing what features to use 1.7 多变量高斯分布 Multivariate  Gaussian distribution 1.8 使用多元高斯分布进行异常检测 anomaly detection using the multivariate Gaussian distribution
• 机器学习基石笔记-Lecture 4 Learning is possible
• 机器学习基石笔记-Lecture 3 Types of learning
• 机器学习基石笔记-Lecture 1 The learning problem
• 机器学习基石笔记-Lecture 2 Perceptron learning algorithm
• 机器学习基石笔记：04 Feasibility of Learning 一、如何保证2？ 二、如何保证1？
• 机器学习基石笔记：Homework #1 PLA&PA相关习题 问题描述 程序实现 运行结果及分析
• 机器学习基石笔记：02 Learning to Answer Yes/No、PLA、PA 一、Perceptron Learning Algorithm 二、Pocket Algorithm
• 机器学习基石笔记：03 Types of Learning 一、学习的分类 二、主动学习 vs 半监督学习
• Bash通配符总结 Bash通配符总结
• 提问回顾与个人总结 提问回顾与个人总结