线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2
局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3
牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4
生成学习、高斯判别、朴素贝叶斯—斯坦福ML公开课笔记5
NB多项式模型、神经网络、SVM初步—斯坦福ML公开课笔记6
最优间隔分类、原始/对偶问题、SVM对偶—斯坦福ML公开课笔记7
核技法、软间隔分类器、SMO算法——斯坦福ML公开课笔记8
斯坦福ML公开课笔记9—偏差/方差、经验风险最小化、联合界、一致收敛
斯坦福ML公开课笔记10——VC维、模型选择、特征选择
斯坦福ML公开课笔记11——贝叶斯正则化、在线学习、ML应用建议
斯坦福ML公开课笔记12——K-Means、混合高斯分布、EM算法
斯坦福ML公开课笔记13A——混合高斯模型、混合贝叶斯模型
斯坦福ML公开课笔记13B-因子分析模型及其EM求解
斯坦福ML公开课笔记14——主成分分析
斯坦福ML公开课笔记15—隐含语义索引、奇异值分解、独立成分分析
.