Name	Name	Last commit message	Last commit date
Latest commit History 110 Commits 110 Commits
resource	resource
ReadMe.ipynb	ReadMe.ipynb
ReadMe.md	ReadMe.md
chapter02.ipynb	chapter02.ipynb
chapter03.ipynb	chapter03.ipynb
chapter04.ipynb	chapter04.ipynb
chapter05.ipynb	chapter05.ipynb
chapter06.ipynb	chapter06.ipynb
chapter07.ipynb	chapter07.ipynb
chapter08.ipynb	chapter08.ipynb
chapter09.ipynb	chapter09.ipynb
chapter10.ipynb	chapter10.ipynb
chapter11.ipynb	chapter11.ipynb
chapter12.ipynb	chapter12.ipynb
chapter13.ipynb	chapter13.ipynb
chapter14.ipynb	chapter14.ipynb
chapter15.ipynb	chapter15.ipynb
chapter16.ipynb	chapter16.ipynb
chapter17.ipynb	chapter17.ipynb
chapter18.ipynb	chapter18.ipynb
chapter19.ipynb	chapter19.ipynb
chapter20.ipynb	chapter20.ipynb
sn02.ipynb	sn02.ipynb
sn06.ipynb	sn06.ipynb
sn07.ipynb	sn07.ipynb
sn08.ipynb	sn08.ipynb

Repository files navigation

机器学习笔记

简介

作者：子实

机器学习笔记，使用 jupyter notebook (ipython notebook) 编写展示。

Github 加载 .ipynb 的速度较慢，建议在 Nbviewer 中查看该项目。

目录

来自斯坦福网络课程《机器学习》的笔记，可以在斯坦福大学公开课：机器学习课程观看。

根据视频内容，对每一讲的名称可能会有所更改（以更好的体现各讲的教学内容）。

【第1讲】机器学习的动机与应用（主要是课程要求与应用范例，没有涉及机器学习的具体计算内容）
【第2讲】监督学习应用-线性回归
【第3讲】线性回归的概率解释、局部加权回归、逻辑回归
【第4讲】牛顿法、一般线性模型
【第5讲】生成学习算法、高斯判别分析、朴素贝叶斯算法
【第6讲】事件模型、函数间隔与几何间隔
【第7讲】最优间隔分类器、拉格朗日对偶、支持向量机
【第8讲】核方法、序列最小优化算法
【第9讲】经验风险最小化
【第10讲】交叉验证、特征选择
【第11讲】贝叶斯统计、机器学习应用建议
【第12讲】 $k$-means算法、高斯混合模型及最大期望算法
【第13讲】最大期望算法及其应用、因子分析模型
【第14讲】因子分析的EM算法、主成分分析
【第15讲】 PCA的奇异值分解、独立成分分析
【第16讲】马尔可夫决策过程
【第17讲】解连续状态的MDP
【第18讲】线性二次调节
【第19讲】微分动态规划及线性二次型高斯
【第20讲】策略搜索算法

【参考笔记1】线性代数复习及参考
【参考笔记2】概率论复习
【参考笔记3】 MATLAB入门
【参考笔记4】凸优化概述1
【参考笔记5】凸优化概述2
【参考笔记6】隐式马尔可夫模型
【参考笔记7】多元高斯分布
【参考笔记8】更多关于多元高斯分布的知识
【参考笔记9】高斯过程

笔记格式借鉴Jin Li的机器学习笔记。