Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
正在生成预览...
Tài liệu cheatsheet tổng hợp các khái niệm và công thức chính trong học máy, bao gồm học có giám sát, không giám sát, học sâu, mẹo và mẹo, và kiến thức toán cơ bản.
描述
https://stanford.edu/~shervine CS 229 – Machine Learning Super VIP Cheatsheet: Machine Learning Afshine Amidi and Shervine Amidi August 23, 2018 Contents 1 Supervised Learning 1.1 Introduction to Supervised Learning . . . . . . . . . . . . . . . . . . . 1.2 Notations and general concepts . . . . . . . . . . . . . . . . . . . . . 1.3 Linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Linear regression . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Classification and logistic regression . . . . . . . . . . . . . . . 1.3.3 Generalized Linear Models . . . . . . . . . . . . . . . . . . . . 1.4 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Generative Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.1 Gaussian Discriminant Analysis . . . . . . . . . . . . . . . . . 1.5.2 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Other non-parametric approaches . . . . . . . . . . . . . . . . . . . . 1.7 Learning Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 2 2 3 3 3 4 4 4 4 4 2 Unsupervised Learning 2.1 Introduction to Unsupervised Learning . . . . . . . . . . . . . . . . . 2.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Expectation-Maximization . . . . . . . . . . . . . . . . . . . . 2.2.2 k-means clustering . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3 Hierarchical clustering . . . . . . . . . . . . . . . . . . . . . . 2.2.4 Clustering assessment metrics . . . . . . . . . . . . . . . . . . 2.3 Dimension reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1 Principal component analysis . . . . . . . . . . . . . . . . . . 2.3.2 Independent component analysis . . . . . . . . . . . . . . . . . 5 5 5 5 6 6 6 6 6 7 3 Deep Learning 3.1 Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Convolutional Neural Networks . . . . . . . . . . . . . . . . . . . . . 3.3 Rec
AI 摘要
- 文档名称
- Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
- 学校 / 课程
- Stanford University · Machine learning
- 作者（文档中）
- Afshine Amidi and Shervine Amidi
- 内容
- Đây là bản tóm tắt chi tiết về học máy, bao gồm các phương pháp học có giám sát, không giám sát, học sâu, cùng các kỹ thuật và kiến thức nền tảng cần thiết. Tài liệu được biên soạn cho khóa học CS 229 tại Stanford.
- 目录
- 1 Supervised Learning
- 1.1 Introduction to Supervised Learning
- 1.2 Notations and general concepts
- 1.3 Linear models
- 1.3.1 Linear regression
- 1.3.2 Classification and logistic regression
- 1.3.3 Generalized Linear Models
- 1.4 Support Vector Machines
- 1.5 Generative Learning
- 1.5.1 Gaussian Discriminant Analysis
- 1.5.2 Naive Bayes
- 1.6 Other non-parametric approaches
- 1.7 Learning Theory
- 2 Unsupervised Learning
- 2.1 Introduction to Unsupervised Learning
- 2.2 Clustering
- 2.2.1 Expectation-Maximization
- 2.2.2 k-means clustering
- 2.2.3 Hierarchical clustering
- 2.2.4 Clustering assessment metrics
- 2.3 Dimension reduction
- 2.3.1 Principal component analysis
- 2.3.2 Independent component analysis
- 3 Deep Learning
- 3.1 Neural Networks
- 3.2 Convolutional Neural Networks
- 3.3 Recurrent Neural Networks
- 3.4 Reinforcement Learning and Control
- 4 Machine Learning Tips and Tricks
- 4.1 Metrics
- 4.1.1 Classification
- 4.1.2 Regression
- 4.2 Model selection
- 4.3 Diagnostics
- 5 Refreshers
- 5.1 Probabilities and Statistics
- 5.1.1 Introduction to Probability and Combinatorics
- 5.1.2 Conditional Probability
- 5.1.3 Random Variables
- 5.1.4 Jointly Distributed Random Variables
- 5.1.5 Parameter estimation
- 5.2 Linear Algebra and Calculus
- 5.2.1 General notations
- 5.2.2 Matrix operations
- 5.2.3 Matrix properties
- 5.2.4 Matrix calculus
- 页数
- 15 页
- 上传者
- Uni24h
常见问题
此文档免费吗？
是的。“Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi”是免费的 — 只需登录并点击“下载”即可获取原始文件。
这份文档有多少页？
该文档共有 15 页，适用于课程 Machine learning。您可以在下载前进行在线预览。
我可以在下载前预览吗？
是的。您可以通过在线阅读器直接在本页面预览此文档，然后再决定是否下载。
Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
正在生成预览...
https://stanford.edu/~shervine CS 229 – Machine Learning Super VIP Cheatsheet: Machine Learning Afshine Amidi and Shervine Amidi August 23, 2018 Contents 1 Supervised Learning 1.1 Introduction to Supervised Learning . . . . . . . . . . . . . . . . . . . 1.2 Notations and general concepts . . . . . . . . . . . . . . . . . . . . . 1.3 Linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Linear regression . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Classification and logistic regression . . . . . . . . . . . . . . . 1.3.3 Generalized Linear Models . . . . . . . . . . . . . . . . . . . . 1.4 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Generative Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.1 Gaussian Discriminant Analysis . . . . . . . . . . . . . . . . . 1.5.2 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Other non-parametric approaches . . . . . . . . . . . . . . . . . . . . 1.7 Learning Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 2 2 3 3 3 4 4 4 4 4 2 Unsupervised Learning 2.1 Introduction to Unsupervised Learning . . . . . . . . . . . . . . . . . 2.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Expectation-Maximization . . . . . . . . . . . . . . . . . . . . 2.2.2 k-means clustering . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3 Hierarchical clustering . . . . . . . . . . . . . . . . . . . . . . 2.2.4 Clustering assessment metrics . . . . . . . . . . . . . . . . . . 2.3 Dimension reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1 Principal component analysis . . . . . . . . . . . . . . . . . . 2.3.2 Independent component analysis . . . . . . . . . . . . . . . . . 5 5 5 5 6 6 6 6 6 7 3 Deep Learning 3.1 Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Convolutional Neural Networks . . . . . . . . . . . . . . . . . . . . . 3.3 Rec
阅读全文
- 文档名称
- Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
- 学校 / 课程
- Stanford University · Machine learning
- 作者（文档中）
- Afshine Amidi and Shervine Amidi
- 内容
- Đây là bản tóm tắt chi tiết về học máy, bao gồm các phương pháp học có giám sát, không giám sát, học sâu, cùng các kỹ thuật và kiến thức nền tảng cần thiết. Tài liệu được biên soạn cho khóa học CS 229 tại Stanford.
- 目录
- 1 Supervised Learning
- 1.1 Introduction to Supervised Learning
- 1.2 Notations and general concepts
- 1.3 Linear models
- 1.3.1 Linear regression
- 1.3.2 Classification and logistic regression
- 1.3.3 Generalized Linear Models
- 1.4 Support Vector Machines
- 1.5 Generative Learning
- 1.5.1 Gaussian Discriminant Analysis
- 1.5.2 Naive Bayes
- 1.6 Other non-parametric approaches
- 1.7 Learning Theory
- 2 Unsupervised Learning
- 2.1 Introduction to Unsupervised Learning
- 2.2 Clustering
- 2.2.1 Expectation-Maximization
- 2.2.2 k-means clustering
- 2.2.3 Hierarchical clustering
- 2.2.4 Clustering assessment metrics
- 2.3 Dimension reduction
- 2.3.1 Principal component analysis
- 2.3.2 Independent component analysis
- 3 Deep Learning
- 3.1 Neural Networks
- 3.2 Convolutional Neural Networks
- 3.3 Recurrent Neural Networks
- 3.4 Reinforcement Learning and Control
- 4 Machine Learning Tips and Tricks
- 4.1 Metrics
- 4.1.1 Classification
- 4.1.2 Regression
- 4.2 Model selection
- 4.3 Diagnostics
- 5 Refreshers
- 5.1 Probabilities and Statistics
- 5.1.1 Introduction to Probability and Combinatorics
- 5.1.2 Conditional Probability
- 5.1.3 Random Variables
- 5.1.4 Jointly Distributed Random Variables
- 5.1.5 Parameter estimation
- 5.2 Linear Algebra and Calculus
- 5.2.1 General notations
- 5.2.2 Matrix operations
- 5.2.3 Matrix properties
- 5.2.4 Matrix calculus
- 页数
- 15 页
- 上传者
- Uni24h
评论 (0)
暂无评论。快来抢沙发吧！
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Refresher probabilities statistics (Xác suất và thống kê cho Machine Learning) - Afshine Amidi and Shervine Amidi
Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka
Eval ci notes (09) (Đánh giá mô hình, khoảng tin cậy và kỹ thuật resampling) - Sebastian Raschka
Cheatsheet Deep Learning (Khái niệm chính về học sâu) - Afshine Amidi and Shervine Amidi
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 5.Thuyết tương đối - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 4. Tán xạ ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 3.Phân cực ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
评论 (0)
暂无评论。快来抢沙发吧！