| 学习阶段 | 日期 | 描述 | 课程材料 |
|---|---|---|---|
| 环境配置 | 配置好python开发环境，熟悉pyCharm的使用 |
基础环境python2.7 开发环境pycharm5.04 参考文件 |
|
| 学习资料准备 |
视频教程 概率论与数理统计 线性代数 |
||
| 机器学习视频教程 | 总共19节课，每周6节，三周完成全部课程 |
视频教程 讲课老师：吴恩达 |
|
| 贝叶斯文本分类器 |
学习概率论与数理统计第一、二章知识 用第一章知识点来解释贝叶斯文本分类器 知识点包括，但不限于：基本事件，样本空间，独立事件，贝叶斯公式等 |
||
| 逻辑回归 |
学习线性代数第一、二章知识 使用矩阵运算实现逻辑回归的向量化版本 |
数据集 |
|
| 朴素贝叶斯文本分类器 |
使用矩阵运算实现朴素贝叶斯文本分类器的向量化版本 |
数据集 |
|
| 高斯判别模型理解文档 |
学习概率论与数理统计第三、四章知识 用第四章知识点来解释高斯判别模型 知识点包括，但不限于：协方差矩阵，n维正态随机变量的概率密度等 |
||
| 高斯判别模型代码 |
实现高斯判别模型文本分类算法 |
数据集 |
|
| 神经网络 | 使用神经网络实现手写数字识别 |
数据集 数据集网址 |
|
| softmax回归 |
学习概率论与数理统计第七章分布函数的参数估计方法 学习softmax归回，推导softmax的代价函数，并分别对x和theta求导 |
||
| softmax神经网络 |
完善神经网路手写数字识别 神经网络输出层使用softmax回归实现 |
||
| softmax和两层神经网络 |
实现classifiers文件夹下softmax.py，neural_net.py的todo部分的代码 |
工程 数据集 |
|
| 斯坦福大学cs229课程 |
课程网址 讲课老师：吴恩达 |
||
| 斯坦福大学cs231n课程 |
课程网址 讲课老师：李飞飞 |
||
| KNN和SVN作业 |
实现工程中knn.py，svm.py的todo部分的代码 实现classifiers文件夹下linear_svm.py，k_nearest_neighbor.py的todo部分的代码 |
数据集 |
innsun/learning
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
学习
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published