内容简介：如果你上过机器学习课程，比如我在Coursera上的机器学习MOOC，或者有监督学习的项目经验，那么就能理解下面这些东西。我假设您熟悉我会经常提到神经网络(也被称为“深度学习”)。你只需要对他们是什么有一个基本的了解就可以理解这篇文章。
Machine Learning Yearning: 3 Prerequisites and Notation
如果你上过机器学习课程，比如我在Coursera上的机器学习MOOC，或者有监督学习的项目经验，那么就能理解下面这些东西。
我假设您熟悉 监督学习 ：学习一个从x映射到y的函数，使用标记的训练库(x,y)。监督学习算法包括线性回归、逻辑回归和神经网络。机器学习有很多种形式，但今天机器学习的大部分实用价值来自监督学习。
我会经常提到神经网络(也被称为“深度学习”)。你只需要对他们是什么有一个基本的了解就可以理解这篇文章。
如果您不熟悉这里提到的概念，请在Coursera的 http://ml-class.org 上观看前三周的视频。
：
http://zgljl2012.com/3-yu-bei-zhi-shi-he-fu-hao-shuo-ming/
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- GO语言预备知识 2019-5-8
- 预备通知 | stata & Python实证前沿与爬虫分析2019年工作坊
- macos – dyld：惰性符号绑定失败：未找到符号：_PQsetErrorContextVisibility
- 嵌入式C语言自我修养 09：链接过程中的强符号和弱符号
- Scala中的符号
- “Bug-O” 符号
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
数学之美 （第二版）
吴军 / 人民邮电出版社 / 2014-11 / 49.00元
几年前，“数学之美”系列文章原刊载于谷歌黑板报，获得上百万次点击，得到读者高度评价。读者说，读了“数学之美”，才发现大学时学的数学知识，比如马尔可夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣。 在纸本书的创作中，作者吴军博士几乎把所有文章都重写了一遍，为的是把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。读者通过具体的例子学到的......一起来看看 《数学之美 （第二版）》 这本书的介绍吧!
