本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载作者:蛋酱、小舟
本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载
作者:蛋酱、小舟
机器学习怎么入门最简单?今年刚刚从哈佛大学统计专业毕业的 Danny Friedman 写了一本「转专业学生专用教材」,无基础也可轻松入门,资源现已全部开放。
最小化损失(The Loss-Minimization Perspective)
最大似然(The Likelihood-Maximization Perspective)
正则回归(Regularized Regression)
贝叶斯回归(Bayesian Regression)
广义线性模型(Generalized Linear Models)
逻辑回归(Logistic Regression)
感知器算法(The Perceptron Algorithm)
Fisher 线性判别(Fisher’s Linear Discriminant)
线性和二次判别分析、朴素贝叶斯 (Linear and Quadratic Discriminant Analysis、Naive Bayes)
回归树(Regression Trees)
分类树(Classification Trees)
Bagging
随机森林(Random Forests)
Boosting
概述
层与层之间的交互
激活函数
反向传播
计算梯度
将结果与链式法则结合
一种新的表征
梯度
●输入m获取文章目录
程序员数学学习
锻炼数学逻辑思维