首页
学习
活动
专区
工具
TVP
发布

应兆康的专栏

专栏作者
162
文章
299029
阅读量
63
订阅数
3. 预备知识和符号约定
如果你已经学习了机器学习课程(如我在Coursera上的Machine Learning MOOC),或者你拥有应用监督式学习的经验,你应该可以理解下面的内容。 我假设你熟悉监督式学习(supervised learning): 使用带有标签的训练样例(x,y)学习一个从x映射到y的函数。监督式学习包括线性回归(linear regression),逻辑回归(logistic regression)和神经网络(neural networks)。机器学习的形式有很多种,但今天大多数的机器学习应用都是监督式学习。 我会经常提到神经网络(neural networks)(也被称为“深度学习(deep learning)”),而你只需要对他们有一个基本的了解即可。 如果你对这里提到的概念不是很熟悉,你可以看一下Coursera上面的Machine Learning课程(课程网址: http://ml-class.org)前三周的视频。
YingJoy_
2018-05-09
6112
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档