CS229机器学习笔记(〇)-目录

课程信息: 主页 Youtube

在Coursera上的Machine Learning 学到第三周时候，Andrew Ng说“其实这个时候你们其实比硅谷好多机器学习工程师懂得都多了”(我的机器学习笔记 - 鸡汤)。可是整个课程学完并拿到证书之后，感觉自己什么都不知道(此时我的表情就是和本文的题图一样)。想想还是老老实实把Coursera那个Machine Learning的原版学一遍吧，再把Coursera上的复习一遍顺带整理一下笔记。 以下是目录：

1. CS229机器学习笔记(一)-梯度下降, 正规方程, 局部加权
2. CS229机器学习笔记(二)-Logistic回归, 牛顿方法
3. CS229机器学习笔记(三)-指数分布族, 广义线性模型
4. CS229机器学习笔记(四)-生成学习算法, 朴素贝叶斯, 多项式事件模型
5. CS229机器学习笔记(五)-SVM之函数间隔, 几何间隔
6. CS229机器学习笔记(六)-SVM之拉格朗日对偶, 最优间隔分类器
7. CS229机器学习笔记(七)-SVM之Kernels
8. CS229机器学习笔记(七)-SVM之软间隔
9. CS229机器学习笔记(八)-SVM之SMO算法