Machine Learning(Andrew Ng,Stanford University)

学习笔记

第1~8章笔记：

第9~12章笔记：

第13~15章笔记：

第16~18章笔记：

作业代码

Exercise 1~2:

Exercise 3~4:

Exercise 5~6:

Exercise 7~8:

18.06,Linear Algebra(Gilbert Strang,Massachusetts Institute of Technology)

学习笔记

Lecture 1~5:

Lecture 6~10:

Lecture 11~15:

Lecture 16~20:

Lecture 21~25:

Lecture 26~30:

Lecture 31~35:

CS229,Machine Learning(Andrew Ng,Stanford University)

学习笔记

Note 1(最小二乘法、局部加权线性回归、极大似然估计、牛顿法)

Note 2(广义线性模型、高斯判别分析模型、朴素贝叶斯)

Note 3(支持向量机、SMO算法)

Note 4(学习理论)

Note 5(正则化与模型选择)

Note 6(感知机与大间隔分类器、在线学习)

Note 7(K-means聚类、高斯混合模型、EM算法)

Note 8(EM算法)

Note 9(因子分析)

Note 10(主成分分析PCA)

Note 11(独立成分分析ICA)

Note 12(强化学习与自适应控制)

作业代码

Problem Set 1

Problem Set 2

Machine Learning Foundations(Hsuan-Tien Lin,National Taiwan University)

学习笔记

Lecture 2 & Lecture 3

Lecture 4 & Lecture 5

Lecture 6 & Lecture 7

Lecture 8 & Lecture 9

Lecture 10 & Lecture 11

Lecture 12 & Lecture 13

Lecture 14 & Lecture 15

Lecture 16

Machine Learning Techniques(Hsuan-Tien Lin,National Taiwan University)

Lecture 1 & Lecture 2

Lecture 3 & Lecture 4

Lecture 5 & Lecture 6

Lecture 7 & Lecture 8

Lecture 9 & Lecture 10

Lecture 11 & Lecture 12

Lecture 13 & Lecture 14

Lecture 15