machinelearning

[置顶] 声明

参考资料：MachineLearning——AndrewNg(Coursera)        机器学习基石——林轩田(Coursera)        机器学习技法——林轩田(Coursera)        
u014641813·2016-04-07 23:00

MATLAB处理大量三维图像，Data Augmentation

WangH,ZhouZ,LiY,etal.Comparisonofmachinelearningmethodsforclassifyingmediastinallymphnodemetas
MrGiovanni·2016-04-07 19:41

機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q18-20 C++实现

       大家好，我是MacJiang,今天和大家分享Coursera-NTU-機器學習基石（MachineLearningFoundations）-作业三Q18-20的C++实现。
a1015553840·2016-04-07 14:00

機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总

这个专题我主要讲的是Coursera-台湾大学-機器學習基石(MachineLearningFoundations)的课后习题解答。
Mac Jiang·2016-04-07 13:56

[置顶] 機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总

这个专题我主要讲的是Coursera-台湾大学-機器學習基石(MachineLearningFoundations)的课后习题解答。
a1015553840·2016-04-07 13:00

機器學習基石(Machine Learning Foundations) 机器学习基石 作业三 Q13-15 C++实现

       大家好，我是MacJiang,今天和大家分享Coursera-NTU-機器學習基石（MachineLearningFoundations）-作业三Q6-10的C++实现。
a1015553840·2016-04-07 13:00

Spark RDD揭秘

Spark计算中提供的各种库例如：sparksql，sparkmachinelearning等的底层都是封装的RDD     RDD本身提供了通用的抽象，在现有的sparksql,sparkstreaming
cary_1991·2016-04-07 09:00

机器学习中的数据清洗与特征处理综述

http://tech.meituan.com/machinelearning-data-feature-process.html背景随着美团交易规模的逐步增大，积累下来的业务数据和交易数据越来越多，这些数据是美团做为一个团购平台最宝贵的财富
liugallup·2016-04-07 09:00

MachineLearning—Logistic Regression(二)

  本篇博文主要接着上一篇博文LogisticRegression(一)介绍逻辑回归的应用，其中包括具体实现时用到的梯度上升算法，随机梯度上升算法，改进随机梯度上升算法，最后还有一个具体的应用小例子；本文内容主要结合《机器学习实战》这本书，以较为细致的方式一步一步讲解逻辑回归的实现，代码为Python（江湖人称“拍神”）版；   回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此
qq_14959801·2016-04-06 20:00

Machine Learning第七周笔记：支持向量机

博客已经迁移到Marcovaldo’sblog:http://marcovaldong.github.io/今天在Cousera上学习了MachineLearning的第七周课程，这一周主要介绍了支持向量机
MajorDong100·2016-04-06 20:00

Machine Learning第六周笔记二：机器学习系统设计

MachineLearningSystemDesignBuildingaSpamClassifierPrioritizingWhattoWorkon假设我们想建立一个垃圾邮件分类系统，现在手上有大量的垃圾邮件和费垃圾邮件
MajorDong100·2016-04-03 22:00

机器学习界大牛林达华推荐的书籍

RecommendedBooksHereisalistofbookswhichIhavereadandfeelitisworthrecommendingtofriendswhoareinterestedincomputerscience.MachineLearningPatternRecognitionandMachineLearningChristopherM.BishopAnewtreatme
u011788531·2016-04-03 09:00

機器學習基石(Machine Learning Foundations) 机器学习基石 作业二 课后习题解答

今天和大家分享coursera-NTU-機器學習基石(MachineLearningFoundations)-作业二的习题解答。
a1015553840·2016-04-02 10:00

书单

机器学习：0）周志华机器学习√1）机器学习Mitchell中文版和英文本可以对照看，有配套在线课程，书比较老（书的补充章节和勘误）另一本年代新一点的MachinelearningAProbabilisticPerspective2
cutie吖·2016-04-01 22:06

Machine Learning第六周笔记一：评估学习算法和bias/variance

sbolg(http://marcovaldong.github.io/)入坑机器学习近一个月，学习资料主要是李航的《统计学习方法》、PeterHarrington的《机器学习实战》、AndrewNg的MachineLearning
Marcovaldo·2016-04-01 21:01

Machine Learning第六周笔记一：评估学习算法和bias/variance

sbolg:http://marcovaldong.github.io/入坑机器学习近一个月，学习资料主要是李航的《统计学习方法》、PeterHarrington的《机器学习实战》、AndrewNg的MachineLearning
MajorDong100·2016-04-01 21:00

UFLDL教程（四）之Softmax回归

 关于AndrewNg的machinelearning课程中，有一章专门讲解逻辑回归（Logistic回归），具体课程笔记见另一篇文章。
tina_ttl·2016-04-01 10:00

Coursera《machine learning》--（8）神经网络表述

本笔记为Coursera在线课程《MachineLearning》中的神经网络章节的笔记。
tina_ttl·2016-04-01 10:00

Coursera《machine learning》--（2）单变量线性回归(Linear Regression with One Variable)

本笔记为Coursera在线课程《MachineLearning》中的单变量线性回归章节的笔记。
tina_ttl·2016-04-01 10:00

机器学习、深度学习的相关资料

深度学习过程中搜集到的一些比较好的资料整理如下，与大家分享，如果有朋友有更好的资料，也请告诉我，谢谢大家课程资料coursera上的台大《机器学习技法》coursera上的台大《机器学习基石》多伦多大学的《NeuralNetworksforMachineLearning
tina_ttl·2016-04-01 10:00

全连接的BP神经网络

《全连接的BP神经网络》本文主要描述全连接的BP神经网络的前向传播和误差反向传播，所有的符号都用Ng的Machinelearning的习惯。下图给出了某个全连接的神经网络图。
tina_ttl·2016-04-01 10:00

Coursera《machine learning》--（14）数据降维

本笔记为Coursera在线课程《MachineLearning》中的数据降维章节的笔记。
tina_ttl·2016-04-01 10:00

Awesome Websites

AwesomeMachineLearningAwesomePHPAwesomePythonAwesomeReactAwesomeJavaScript(CN)AwesomeJavaScript(CN)AwesomeJavaScript
zungyiu·2016-04-01 10:00

[Exploratory Data Analysis] Project 1

ProjectsummaryReviewcriteriaLoadingthedataMakingPlotsCodeProjectsummaryThisassignmentusesdatafromtheUCIrvineMachineLearningRepository
艳艳儿·2016-04-01 06:31

機器學習基石 机器学习基石 （Machine Learning Foundations） 作业二 Q19-20 C++实现

       大家好，我是MacJiang,今天和大家分享Coursera-NTU-機器學習基石（MachineLearningFoundations）-作业2Q19-20的C++实现。
a1015553840·2016-03-31 20:00

MachineLearning—Logistic Regression（一）

   本篇博文主要介绍机器学习当中相对简单但又是工程中经常用到的逻辑回归算法，读者如果能够对前两篇博文LinearRegression(一)和LinearRegression(二)有一个相对深入的了解，那么理解逻辑回归也就不是什么难事了。内容包括感知机学习算法简介，最大化似然函数的另外一种方法牛顿法,牛顿法的一些具体细节推导,牛顿法实现逻辑回归分类等内容   逻辑回归跟线性回归的某些部分有时候看起
qq_14959801·2016-03-31 14:00

機器學習基石 机器学习基石 （Machine Learining Foundations） 作业2 Q16-18 C++实现

       大家好，我是MacJiang,今天和大家分享Coursera-NTU-機器學習基石（MachineLearningFoundations）-作业2Q16-18的C++实现。
a1015553840·2016-03-31 09:00

斯坦福公开课深度学习Deep Learning

TomDeanandAndrewNgCOURSEDESCRIPTIONInthiscourse,you'lllearnaboutsomeofthemostwidelyusedandsuccessfulmachinelearningtechniques.You'llhavetheopportunitytoimplementthesealgorithmsy
garfielder007·2016-03-30 12:27

k近邻分类算法的python实践

文章参考了zouxy09的博文，代码参考machinelearninginaction.k近邻分类算法原理：1、根据k近邻，计算K个离待分类物品最近的物品，这K个最近的物品已经分类。
qq_23617681·2016-03-29 14:00

MachineLearning—Linear Regression（二）

  本篇博文接上一篇线性回归部分，主要讲解记录线性回归的理论推导，资料主要参考Andrew的机器学习公开课的讲义notes。包括最小均方误差、等高线图、矩阵求导来简化LMS、最大似然解释、局部权重线性回归等内容。知识储备极大似然估计：θ表示未知参数，也就是等待被估计的那个参数，x1,x2......xn是样本X1,X2......Xn的样本值，最大似然估计其结果就是用已知的样本中的样本值来估计表示
qq_14959801·2016-03-28 20:00

Non-Maximum Suppression for Object Detection in Python

Non-MaximumSuppressionforObjectDetectioninPythonby AdrianRosebrock on November17,2014 in MachineLearning
u014365862·2016-03-28 15:00

深度学习教程Deep Learning Tutorials

DeepLearningTutorialsDeepLearningisanewareaofMachineLearningresearch,whichhasbeenintroducedwiththeobjectiveofmovingMachineLearningclosertooneofitsoriginalgoals
garfielder007·2016-03-28 11:12

PRML学习笔记（一）

Bishop的PatternRecognitionandMachineLearning读书笔记。转载自：http://1.kaopuer.applinzi.com/?
beihangzxm123·2016-03-28 10:48

Machine Learning - Andrew Ng on Coursera (Week 6)

本篇文章将分享Coursera上AndrewNg的MachineLearning第六周的课程，主要内容有如下，详细内容可以参考文末附件：评价机器学习算法Diagnosingbiasvs.variance
beihangzxm123·2016-03-28 10:54

Machine Learning 学习资源小收集

MachineLearning学习资源小收集持续更新中…（至少更新到博主完成公开课拿到课程证书：）近来正在学习机器学习，观看AndrewNg大神在斯坦福的公开课。
PTkin·2016-03-28 01:00

Stanford机器学习---第十讲. 数据降维

本文原始地址见http://blog.csdn.net/abcjennifer/article/details/8002329，在此添加了一些自己的注释方便理解本栏目（Machinelearning）包括单参数的线性回归
liugallup·2016-03-27 20:00

Stanford机器学习---第九讲. 聚类

本栏目（Machinelearning）包括单参数的线性回归、多参数的线性回归、OctaveTutorial、LogisticRegression、Regularization、神经网络、机器学习系统设计
liugallup·2016-03-27 20:00

Stanford机器学习---第八讲. 支持向量机SVM

本文原始文章见http://blog.csdn.net/abcjennifer/article/details/7849812，本文添加了一些自己的理解本栏目（Machinelearning）包括单参数的线性回归
liugallup·2016-03-27 20:00

Stanford机器学习---第七讲. 机器学习系统设计

本文原始版本见http://blog.csdn.net/abcjennifer/article/details/7834256本栏目（Machinelearning）包括单参数的线性回归、多参数的线性回归
liugallup·2016-03-27 20:00

Stanford机器学习---第六讲. 怎样选择机器学习方法、系统

原文见http://blog.csdn.net/abcjennifer/article/details/7797502 添加了一些自己的注释和笔记本栏目（Machinelearning）包括单参数的线性回归
liugallup·2016-03-26 15:00

機器學習基石 机器学习基石（Machine Learning Foundations） 作业1 习题解答

大家好，我是MacJiang,今天和大家分享coursera-NTU-機器學習基石(MachineLearningFoundations)-作业1的习题解答。
Mac Jiang·2016-03-26 12:17

機器學習基石 机器学习基石（Machine Learning Foundations） 作业1 习题解答

       大家好，我是MacJiang,今天和大家分享coursera-NTU-機器學習基石(MachineLearningFoundations)-作业1的习题解答。
a1015553840·2016-03-26 12:00

Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning

原文见http://blog.csdn.net/abcjennifer/article/details/7758797，添加了一些自己的理解本栏目（Machinelearning）包括单参数的线性回归、
liugallup·2016-03-26 10:00

機器學習基石 (Machine Learning Foundations) 作业1 Q18-20的C++实现（pocket）

大家好，我是MacJiang，今天和大家分享Coursera---台湾大学---機器學習基石(MachineLearningFoundations)---作业1：Q18-20的C++实现。
Mac Jiang·2016-03-25 14:38

機器學習基石 (Machine Learning Foundations) 作业1 Q18-20的C++实现（pocket）

       大家好，我是MacJiang，今天和大家分享Coursera---台湾大学---機器學習基石(MachineLearningFoundations)---作业1：Q18-20的C++实现。
a1015553840·2016-03-25 14:00

機器學習基石 (Machine Learning Foundations) 作业1 Q15-17的C++实现

今天和大家分享Coursera-台湾大学-機器學習基石(MachineLearningFoundations)-作业1的Q15-17题的C++实现。
a1015553840·2016-03-25 14:00

[机器学习] ML重要概念：梯度（Gradient）与梯度下降法（Gradient Descent）

引言机器学习栏目记录我在学习MachineLearning过程的一些心得笔记，涵盖线性回归、逻辑回归、Softmax回归、神经网络和SVM等等，主要学习资料来自网上的免费课程和一些经典书籍，免费课程例如
walilk·2016-03-25 13:00

MachineLearning—Linear Regression（一）

  本篇博文主要介绍单变量线性回归基本概念原理，包括梯度下降算法的理解，形象表示，核心公式以及其实现的两种方法：normalequations和gradientdescent方法，其中给出了其MATLAB程序及实现结果。具体的线性回归理解和算法公式推导将在下一篇博文给出，包括LMS，概率解释和局部加权等内容。单变量线性回归：m通常代表样本点的个数，i通常代表第i个样本点（索引）我们要做的就是得出θ
qq_14959801·2016-03-24 21:00

分类器性能的度量（来自《Machine Learning in Action》）

分类中的错误：（图片来自《MachineLearninginAction》（中文版）pdf）在分类中，当某个类别的重要性高于其他类别时，就可以利用上述定义来定义出多个比“错误率”更好的新指标。
babyhujn0526·2016-03-24 11:00

《机器学习基石》作业一

另在Cousera上选了两门课：斯坦福AndrewNg的《MachineLearning》、台大林田轩的《机器学习基石》和《机器学习技法》。Andre
MajorDong100·2016-03-24 10:00
上一页 123 124 125 126 127 128 129 130 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他