文件名称：吴恩达机器学习讲义、笔记
文件大小：14.15MB
文件格式：RAR
更新时间：2021-08-20 13:25:28
机器学习 大数据
该课件为中科院一位同仁在学习斯坦福大学吴恩达机器学习课程是所做的学习笔记,非常好,吴老师上课掠过的一些内容笔记都详细给出,并且还做了适当补充,强烈推荐。它是机器学习、大数据学习非常好的资料
【文件预览】：
斯坦福大学机器学习课程原始讲义
----cs229-notes7a.pdf(265KB)
----cs229-notes9.pdf(81KB)
----cs229-gp.pdf(151KB)
----cs229-prob.pdf(147KB)
----cs229-linalg.pdf(165KB)
----cs229-cvxopt2.pdf(197KB)
----cs229-notes5.pdf(87KB)
----cs229-notes7b.pdf(54KB)
----cs229-notes1.pdf(230KB)
----ML-advice.pdf(313KB)
----cs229-notes10.pdf(75KB)
----cs229-notes12.pdf(74KB)
----cs229-notes4.pdf(109KB)
----cs229-notes3.pdf(176KB)
----cs229-hmm.pdf(198KB)
----cs229-notes8.pdf(81KB)
----cs229-cvxopt.pdf(149KB)
----cs229-notes11.pdf(74KB)
----cs229-notes6.pdf(51KB)
----cs229-notes2.pdf(858KB)
斯坦福大学机器学习课程个人学习笔记
----(3)支持向量机SVM（上）.pdf(878KB)
----(2)判别模型、生成模型与朴素贝叶斯方法.pdf(1.04MB)
----(13)因子分析.pdf(953KB)
----(7)混合高斯模型和EM算法.pdf(437KB)
----(14)增强学习.pdf(900KB)
----(15)典型关联分析.pdf(962KB)
----(10)主成分分析.pdf(1.72MB)
----(16)偏最小二乘法回归.pdf(279KB)
----请先查看该说明.txt(910B)
----(12)线性判别分析.pdf(918KB)
----(1)线性回归、logistic回归和一般回归.pdf(843KB)
----(8)EM算法.pdf(757KB)
----(6)K-means聚类算法.pdf(533KB)
----(11)独立成分分析.pdf(906KB)
----(5)规则化和模型选择.pdf(895KB)
----(9)在线学习.pdf(531KB)
----(4)支持向量机SVM（下）.pdf(1.15MB)