Tom
ABC
Always Be Curious
简报
文章
热榜
论文故事
系列
探索实践
← 所有系列
Stanford CS229 — 斯坦福机器学习
吴恩达斯坦福 CS229 经典机器学习课程笔记。20 讲中英字幕，涵盖从线性回归到强化学习的完整理论体系。
10 集
含音频
第 1 课
Lecture 1-2：线性回归与梯度下降
监督学习问题定义、线性回归、最小二乘法、概率解释。
第 2 课
Lecture 3：正规方程与矩阵推导
正规方程的矩阵形式推导、计算复杂度分析。
第 3 课
Lecture 4-5：逻辑回归与感知机
逻辑回归、牛顿法、感知机算法。
第 4 课
Lecture 6-7：生成学习与朴素贝叶斯
GDA 高斯判别分析、朴素贝叶斯、拉普拉斯平滑。
第 5 课
Lecture 8-10：支持向量机
函数间隔与几何间隔、对偶问题、核函数、SMO 算法。
第 6 课
Lecture 11-12：学习理论
偏差方差权衡、一致收敛、VC 维。
第 7 课
Lecture 13-14：贝叶斯方法与正则化
贝叶斯统计、最大后验估计、在线学习。
第 8 课
Lecture 15-16：聚类与降维
K-Means、EM 算法、PCA 主成分分析。
第 9 课
Lecture 17-18：因子分析与 ICA
因子分析、独立成分分析。
第 10 课
Lecture 19-20：强化学习与总结
MDP、值迭代与策略迭代、课程总结。