周志华机器学习的学习笔记

coursera课程笔记 & 机器学习实战手撸代码

常见概念(1) 为什么要有训练集和测试集? 我们想要利用收集的猫狗数据构建一个机器学习模型,用来预测新的图片,但在将模型用于新的测量数据之前,我们需要知道模型是否有效,也就是说,我们是否应该相信它的预

常见概念(2) 准确率的不足和混淆矩阵: 准确对越高就能说明模型的分类性能越好吗?举个例子,现在我开发了一套癌症检测系统,只要输入你的一些基本健康信息,就能预测出你现在是否患有癌症,并且分类的准确度为

1. Frequentist (频率派): The Frequentist approach views the model parameters as unknown (constant) and

本笔记是针对斯坦福大学2014年机器学习课程 视频做的个人笔记

本文主要参考周志华《机器学习》的9.6章节,对密度聚类做简单介绍,并使用numpy对具有代表性的DBSCAN密度聚类算法进行实现。 1、何为密度聚类? 密度聚类顾名思义是一种基于密度的聚类方法, 此类

麻烦改为1积分谢谢，台湾大学林轩田机器学习笔记，整理了台大老师的机器学习技法，机器学习基石的笔记代码

机器学习和深度学习笔记下载

本压缩包内还有 机器学习个人笔记完整版.pdf 和 Deeplearning深度学习笔记v5.43.docx 这些是黄海广博士和其他人员共同对吴恩达老师讲授的机器学习和深度学习课程进行整理后形成的个人

学习斯坦福大学《机器学习》课程的个人学习笔记，内容主要来自AndrewNg教授的讲义和学习视频。另外也包含来自其他论文和其他学校讲义的一些内容。每章内容主要按照个人学习时的思路总结得到