- 机器学习有意思01
- 机器学习有意思02
- 机器学习有意思03
- 机器学习之单变量线性回归(Linear Regression with One Variable)
- 机器学习基础:线性回归
- 机器学习之多变量线性回归(Linear Regression with multiple variables)
- 从线性回归说起
- 梯度下降法算法详解
- 梯度下降法及其实现
- 为什么不直接求导等于0
- 机器学习之逻辑回归(Logistic Regression)
- 什么是逻辑回归
- 逻辑回归公式推导
- 逻辑回归中的损失函数的解释
- 神经网络的理解与实现
- 机器学习:数据预处理之独热编码(One-Hot)
- 【机器学习-斯坦福】学习笔记3 - 欠拟合与过拟合概念
- Vectorization in Machine Learning
- 详解反向传播算法(上)
- 零基础入门深度学习(1) - 感知器
- 深度学习神经网络中的梯度检查
- 绘制学习曲线——plot_learning_curve
- 详解 MNIST 数据集
- 感知机原理(Perceptron)
- 随机梯度下降(Stochastic gradient descent)和 批量梯度下降(Batch gradient descent )的公式对比、实现对比
- 带你理解朴素贝叶斯分类算法
- 反向传播算法(过程及公式推导)
markliu2013 / machine-learning Goto Github PK
View Code? Open in Web Editor NEWmachine learning