點擊上方“AI有道”，選擇“星標(biāo)”公眾號

重磅干貨，第一時間送達(dá)

臺灣大學(xué)林軒田老師曾在coursera上開設(shè)了兩門機(jī)器學(xué)習(xí)經(jīng)典課程：《機(jī)器學(xué)習(xí)基石》和《機(jī)器學(xué)習(xí)技法》。《機(jī)器學(xué)習(xí)基石》課程由淺入深、內(nèi)容全面，基本涵蓋了機(jī)器學(xué)習(xí)領(lǐng)域的很多方面。其作為機(jī)器學(xué)習(xí)的入門和進(jìn)階資料非常適合。《機(jī)器學(xué)習(xí)技法》課程主要介紹了機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典的一些算法，包括支持向量機(jī)、決策樹、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等等。林老師的教學(xué)風(fēng)格也很幽默風(fēng)趣，總讓讀者在輕松愉快的氛圍中掌握知識。

本文列出了林軒田機(jī)器學(xué)習(xí)基石和機(jī)器學(xué)習(xí)技法課程的所有精煉筆記，均是紅色石頭精心制作的原創(chuàng)內(nèi)容。

《機(jī)器學(xué)習(xí)基石》這門課主要涉及機(jī)器學(xué)習(xí)關(guān)鍵問題的四個方面：?

• 機(jī)器什么時候可以學(xué)習(xí)？

• 機(jī)器為什么可以學(xué)習(xí)？

• 機(jī)器如何學(xué)習(xí)？

• 機(jī)器如何更好地學(xué)習(xí)？

下面是基石課程對應(yīng)的精煉筆記！（點擊標(biāo)題進(jìn)入鏈接！）

機(jī)器學(xué)習(xí)基石筆記列表

【1】學(xué)習(xí)問題

【2】學(xué)習(xí)回答Yes/No

【3】機(jī)器學(xué)習(xí)類型

【4】機(jī)器學(xué)習(xí)的可能性

【5】訓(xùn)練vs測試

【6】泛化理論

【7】VC緯度

【8】噪聲和誤差

【9】線性回歸

【10】邏輯回歸

【11】線性模型用于分類

【12】非線性轉(zhuǎn)換

【13】過擬合的危險

【14】正則化

【15】驗證

【16】三個學(xué)習(xí)原則

《機(jī)器學(xué)習(xí)技法》這門課主要涉及機(jī)器學(xué)習(xí)經(jīng)典算法的三個方面：

• 嵌入大量特性：核模型

• 組合預(yù)測特征：集成模型

• 提取隱式特征：提取模型

下面是技法課程對應(yīng)的精煉筆記！（點擊標(biāo)題進(jìn)入鏈接！）

機(jī)器學(xué)習(xí)技法筆記列表

【1】線性支持向量機(jī)LSVM

【2】對偶支持向量機(jī)DSVM

【3】核支持向量機(jī)KSVM

【4】軟間隔支持向量機(jī)SSVM

【5】核邏輯回歸KLR

【6】支持向量回歸SVR

【7】Blending 和 Bagging

【8】自適應(yīng)提升AdaBoost

【9】決策樹

【10】隨機(jī)森林

【11】梯度提升決策樹GBDT

【12】神經(jīng)網(wǎng)絡(luò)

【13】深度學(xué)習(xí)

【14】徑向基函數(shù)網(wǎng)絡(luò)

【15】矩陣分解

【16】總結(jié)

總結(jié)

以上是生活随笔為你收集整理的独家干货 | 林轩田机器学习课程精炼笔记！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。