coursera机器学习

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了coursera机器学习相关的知识,希望对你有一定的参考价值。

       上周出差回来,开始找了一篇论文看《ScSPM》,这里有源代码,自己希望能认真看懂;毕竟这篇文章包含了dense sift特征提取+Spare coding+linear svm知识很全面,希望能看懂代码。这个过程却发现自己缺少了很多东西,他自己的sift提取方法,Sc,svm都是自己实现的;感觉看懂好难。然后周六开始实验室有“学术交流”,师兄师姐交流他们整个小论文的过程,针对梯度下降这些基本的方法,我们都没有认真的理解。发现图像和机器学习自己都没有认真的系统的学习;自己在博客上零零散散的看了很多方法;但是没有成系统。然后想跟着coursera机器学习 认真的学一下;却发现视频放不了的。但是作业还是可以提交的,想认真弄弄最后搞个证书。我在github上找了很多课程matlab的代码;今天完整了把第一次编程作业看了,其实对损失函数,参数学习,梯度下降在代码中认识了一下;感觉很不错。后续把后面的作业认真的看看。

找了一些学习的资料:

http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning  这个视频还可以放;网易公开课上的感觉太旧了http://v.163.com/special/opencourse/machinelearning.html

别人的博客笔记:  coursera机器学习-聚类,降维,主成分分析 

coursera机器学习-支持向量机SVM 
coursera机器学习笔记-建议,系统设计 
coursera机器学习笔记-神经网络,学习篇 
coursera机器学习笔记-神经网络,初识篇 
coursera机器学习-logistic回归,正则化 
coursera机器学习笔记-多元线性回归,normal equation 
coursera机器学习笔记-机器学习概论,梯度下降法 
Michael Wang的机器学习乐园

 

 

 

 

以上是关于coursera机器学习的主要内容,如果未能解决你的问题,请参考以下文章

coursera 机器学习课程 GraphLab环境准备

[机器学习] Coursera笔记 - 机器学习应用的建议-Part2

[机器学习] Coursera笔记 - 机器学习应用的建议-Part1

[机器学习] Coursera笔记 - 机器学习应用的建议-Part3

Coursera机器学习week1 笔记

Coursera 机器学习 第9章(上) Anomaly Detection 学习笔记