文件名称：machine-learning-notes:机器学习笔记
文件大小：1MB
文件格式：ZIP
更新时间：2024-06-08 01:23:55
machine-learning deep-learning JupyterNotebook
简介 作者：hschen QQ：357033150 邮箱： 此笔记主要总结自一些论文、书籍以及公开课，由于本人水平有限，笔记中难免会出现各种错误，欢迎指正。 由于Github渲染.ipynb文件较慢，可以用nbviewer加快渲染： 目录 1.公开课/读书笔记 增强学习系列2 台大机器学习基石笔记 第一讲-学习问题 PRML读书笔记 第一章 简介 1.1 多项式曲线拟合 1.2 概率论回顾 总结-曲线拟合的三种参数估计方法 第二章 概率分布 2.1 二元变量 2.2 多元变量 第三章 线性回归模型 3.1 线性基函数模型 总结-贝叶斯线性回归 2.机器学习笔记 xgboost笔记 1. xgboost的安装 softmax分类器 用theano实现softmax分类器 用SVD实现岭回归 SVD系列1 3.NLP笔记 LDA系列1——LDA简介 LDA系列2——Gibbs采样 朴素贝叶斯
【文件预览】：
machine-learning-notes-master
----NLP()
--------naive-bayes.ipynb(31KB)
--------gensim-lda-tutorial.ipynb(72KB)
--------latent-dirichlet-allocation-1.ipynb(16KB)
--------latent-dirichlet-allocation-2.ipynb(23KB)
----YidaXu-ML()
--------exponential-family.ipynb(6KB)
--------variational-inference-for-gaussian-distribution.ipynb(5KB)
--------EM-review.ipynb(6KB)
--------sampling-methods-part2.ipynb(15KB)
--------exponential-family-variational-inference.ipynb(7KB)
--------sampling-methods-part1.ipynb(496KB)
--------variational-inference.ipynb(6KB)
----Deep-Learning()
--------singular-value-of-random-matrix.ipynb(54KB)
--------rnn-numpy.ipynb(30KB)
--------theano-notes()
--------back-propagation-in-matrix-form.ipynb(8KB)
--------mxnet-notes()
--------back-propagation-through-time.ipynb(15KB)
--------keras-notes()
--------install-caffe-in-windows.ipynb(180KB)
----PRML()
--------Chap3-Linear-Models-For-Regression()
--------Chap2-Probability-Distributions()
--------Chap1-Introduction()
----README.md(4KB)
----ML-Foundation()
--------lecture-1.ipynb(8KB)
----Math()
--------Convex Optimization()
----.gitignore(47B)
----Machine-Learning()
--------svd-ridge-regression.ipynb(6KB)
--------implement-softmax-in-theano.ipynb(14KB)
--------xgboost-notes()
--------softmax-crossentropy-derivative.ipynb(7KB)
--------svd1.ipynb(8KB)
----CS229()
--------RL1.ipynb(7KB)
--------EM.ipynb(8KB)
--------GLM.ipynb(12KB)
--------RL2.ipynb(13KB)
----README.ipynb(5KB)