https://github.com/cuixuage/Machine_Learning
Lecture Directory
When can Machines Learn?
1.机器学习问题
2.二分类
3.不同的ML类型
4.可行性
hw0: 条件概率 and 贝叶斯公式
hw1: Perceptron and Pocket algorithm实现
Why can Machines Learn?
1.growthFunction,breakPoint
2.ML泛化理论
3.VC维度,边界
4.噪声和错误估计
hw2:错误率 VC bound计算样本数目N
How can Machines Learn?
1.线性回归,伪逆矩阵,squaredError
2.逻辑回归,sidmod函数,crossEntropyError
3.多分类问题,SGD
4.非线性问题的featureTransform
hw3:损失函数,linear/logistic(SGD) algorithm实现
How can Machines Learn Better?
1.过度拟合的危害,避免的方法
2.有约束的regularizer
3.验证集validation作用
4.小技巧,课程总结
hw4:添加项regularization,验证集valiadation的实现,计算