Hyggge's Blog
开始阅读 Github
  Flipped
She is a special girl, some shallow, some people duplicitous, among. But sometimes, you will meet a rainbow of people, when you meet this person, you will be very happy.
「CS229」Lecture6：拉普拉斯平滑和SVM简介 「CS229」Lecture6：拉普拉斯平滑和SVM简介
拉普拉斯平滑 问题引入 在上一节中，我们使用朴素贝叶斯来解决垃圾邮件分类问题。我们设 \(x\) 表示邮件内容特征，\(x\) 的每一个分量（取值0或1）表示词典中对应位置的单词是否出现，\(y\) 表示该邮件是否为垃圾邮件。我们假设\(P
2023-07-06 ML
CS229 ML
「CS229」Lecture5：生成学习算法、GDA和朴素贝叶斯 「CS229」Lecture5：生成学习算法、GDA和朴素贝叶斯
引入 在前面的课程中，我们学会了使用 Logistic 回归来解决二分类问题。 Logistc 回归本质上是一种判别学习算法（Discriminative Learning Algorithm），目标是找到一个决策边界或者一个条件概率分布
2023-06-26 ML
CS229 ML
「CS229」Lecture4：Perception、GLM和Softmax 「CS229」Lecture4：Perception、GLM和Softmax
Perception算法 Perception 也是一种用来解决二分类问题的算法。它的具体形式也很直观—— \[ h_\theta(x) = g(\theta^Tx) \\ \\ g(z) = \begin{cases} 1, &a
2023-06-25 ML
CS229 ML
「CS229」Lecture3： 局部加权回归、Logistic回归和牛顿方法 「CS229」Lecture3： 局部加权回归、Logistic回归和牛顿方法
局部加权线性回归 参数学习算法和非参数学习算法 在机器学习中，我们有参数学习算法和非参数学习算法 参数学习算法是指对具有特定参数的模型进行拟合的算法。 在该算法中，模型具有一组已知的参数。也就是说，我们明确知道“模型的表示形式”——例如
2023-06-24 ML
CS229 ML
「CS229」Lecture2： 线性回归和梯度下降 「CS229」Lecture2： 线性回归和梯度下降
线性回归 线性回归是最简单的监督学习回归问题。监督学习的基本流程： 测试数据集，包含一系列\((x, y)\)对 数据输入到学习算法 输出一个函数\(h\)，使得该函数可以很好地为输入的 x 生成对应的 y 使用函数\(h\)对其他数据
2023-06-23 ML
CS229 ML
「CS229」 Lecture 1： 机器学习导引 「CS229」 Lecture 1： 机器学习导引
监督学习 监督学习：应用最广泛 。给定数据集——输入特征\(X\)、输出标签\(Y\)， 学习从\(X\)到\(Y\)的映射。 回归(Regression)：需要预测的 Y 是连续的 线性回归 多项式回归 ...... 分类(Clas
2023-06-21 ML
CS229 ML
1 / 11