吴恩达机器学习
目录
课程详情
查询
书籍内容
第一章 引言(Introduction)
01-1 机器学习简介
01-2 什么是机器学习
01-3 监督学习
01-4 非监督学习
第二章 单变量线性回归(Linear Regression with One Variable)
02-1 模型表示
02-2 代价函数
02-3 理解代价函数 - I
02-4 理解代价函数 - II
02-5 梯度下降
02-6 理解梯度下降
02-7 线性回归中的梯度下降
第三章 线性代数回顾(Linear Algebra Review)
03-1 矩阵和向量
03-2 加法和乘法
03-3 向量乘法
03-4 矩阵乘法
03-5 矩阵乘法特性
03-6 矩阵转置与求逆
第四章 多变量线性回归(Linear Regression with Multiple Variables)
04-1 多变量线性回归
04-2 多变量梯度下降
04-3 梯度下降 - 特征缩放
04-4 梯度下降 - 学习率
04-5 特征与多项式回归
04-6 正规方程
04-7 正规方程不可逆的情况
第五章 逻辑回归(Logistic Regression)
05-1 分类
05-2 假设函数表达式
05-3 决策边界
05-4 代价函数 I
05-5 简化的代价函数和梯度下降
05-6 高级优化技巧
05-7 多分类任务
第六章 正则化(Regularization)
06-1 过拟合问题
06-2 代价函数 II
06-3 正则化与线性回归
06-4 正则化与逻辑回归
第七章 神经网络-表述(Neural Networks-Representation)
07-1 非线性假设
07-2 神经元与大脑
07-3 模型表示 I
07-4 模型表示 II
07-5 模型表示实例 I
07-6 模型表示实例 II
07-7 多分类任务
第八章 神经网络的学习(Neural Networks-Learning)
08-1 代价函数 III
08-2 反向传播
08-3 理解反向传播
08-4 实现参数展开
08-5 梯度校验
08-6 随机初始化
08-7 把前面的内容放在一起
08-8 自动驾驶
第九章 应用机器学习的建议(Advice for Applying Machine Learning)
09-1 决定下一步做什么
09-2 假设检验
09-3 模型选择与训练集、验证集、测试集切分
09-4 诊断偏差和方差
09-5 正则化、偏差和方差
09-6 学习曲线
09-7 决定下一步做什么(回顾)
第十章 机器学习系统的设计(Machine Learning System Design)
10-1 优先考虑什么
10-2 误差分析
10-3 误差矩阵
10-4 精确率和召回率的权衡
10-5 机器学习的数据
第十一章 支持向量机(Support Vector Machines)
11-1 优化问题
11-2 直观理解大间距分类器
11-3 大间距分类器背后的数学原理 (选学)
11-4 核技巧 I
11-5 核技巧 II
11-6 使用 SVM
第十二章 聚类(Clustering)
12-1 非监督学习介绍
12-2 K-Means 算法
12-3 优化目标
12-4 随机初始化 II
12-5 选择聚类数目
第十三章 降维(Dimensionality Reduction)
13-1 用途 I 数据压缩
13-2 用途 II 可视化
13-3 主成分分析问题
13-4 主成分分析算法
13-5 选择主成分数目
13-6 压缩表示重建
13-7 使用 PCA 的建议
第十四章 异常检测(Anomaly Detection)
14-1 问题驱动
14-2 高斯分布
14-3 算法
14-4 开发并评估一个异常检测系统
14-5 异常检测 vs 监督学习
14-6 选择合适的特征
14-7 多元高斯分布
14-8 使用高斯分布进行异常检测
第十五章 推荐系统(Recommender Systems)
15-1 问题公式化
15-2 基于内容的推荐问题
15-3 协同过滤
15-4 协同过滤算法
15-5 向量化
15-6 平均标准化的实现细节
第十六章 大规模机器学习(Large Scale Machine Learning)
16-1 基于大数据的学习
16-2 随机梯度下降
16-3 小批量梯度下降
16-4 随机梯度下降的收敛性
16-5 在线学习
16-6 Map Reduce 和数据并行
第十七章 应用实例-图片文字识别(Application Example-Photo OCR)
17-1 问题描述与管道
17-2 滑动窗口
17-3 获取海量数据和人工数据
17-4 上限分析
Powered by
吴恩达机器学习入门
Toggle Sidebar
Thebelab
Interact
自动驾驶
案例介绍：使用神经网络实现自动驾驶
可视化技术
〈
08-7 把前面的内容放在一起
09-1 决定下一步做什么
〉