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
吴恩达机器学习 (2014) — 交互式学习笔记
吴恩达 Coursera 经典机器学习课程（2014）的中文笔记。10 周完整课程，涵盖监督学习、神经网络、SVM、无监督学习等核心 ML 主题。
10 集
含音频
第 1 课
第1周：引言与线性回归
机器学习定义、监督学习与无监督学习概念、单变量线性回归与代价函数、梯度下降。
第 2 课
第2周：多变量线性回归与特征缩放
多变量线性回归、特征缩放、学习率选择、正规方程与矩阵推导。
第 3 课
第3周：逻辑回归与正则化
逻辑回归与分类、决策边界、过拟合问题与 L1/L2 正则化。
第 4 课
第4周：神经网络基础
神经网络结构、前向传播、激活函数、非线性假设的必要性。
第 5 课
第5周：神经网络的学习
反向传播算法、梯度检验、参数随机初始化、神经网络训练流程。
第 6 课
第6周：应用机器学习的建议
偏差方差权衡、学习曲线、误差分析、机器学习系统设计。
第 7 课
第7周：支持向量机
SVM 原理、大间隔分类器、核函数、对偶问题与 SMO 算法。
第 8 课
第8周：无监督学习
K-Means 聚类、PCA 主成分分析、数据降维与可视化。
第 9 课
第9周：异常检测与推荐系统
高斯分布异常检测、协同过滤、矩阵分解、基于内容的推荐。
第 10 课
第10周：大规模机器学习与总结
随机梯度下降、Map-Reduce 数据并行、在线学习、课程全回顾。