欢迎来到网易公开课! 登录/注册
登录网易通行证
使用网易通行证(含网易邮箱)帐号登录
    忘记密码?
    没有账号? 立即注册>>
    划词翻译
    有道翻译
    笔记
    提交您的投诉或建议

    提交
    分享给朋友:
    • 分享到:
      扫一扫分享给微信好友和朋友圈
      通过代码可以让这个视频在其它地方上播放!
      • 复制FLASH代码
      • 复制HTML代码
      • 复制页面地址
    • 收藏课时
    • 下载
      使用公开课APP下载视频
    • 手机看
      扫描二维码 手机继续看
      已观看至0分0秒
      扫描二维码在手机上继续观看,
      还可分享给您的好友。
      没有公开课客户端?立刻下载
    登录后才能查看我的笔记
    立即登录
    暂时没有笔记!
    添加笔记
    添加笔记
    确定删除笔记?
    即将播放下一集,
    请您保存当前的笔记哦!

    字幕纠错

    对字幕纠错要登录哦!

    立即登录

    00:00

    保存

    内容不能少于3个字

    简介:

    [第1课] 机器学习的动机与应用

    机器学习的动机与应用、Logistic类、机器学习的定义、监督学习概观、学习理论概述、非监督学习概述、强化学习概述。

    [第2课] 监督学习应用.梯度下降

    监督学习应用——自主推导,ALVINN系统,线性回归,梯度下降,组梯度下降,随机梯度下降,标准方程推导。

    [第3课] 欠拟合与过拟合的概念

    欠拟合与过拟合的概念,参数化及非参数化算法概念,局部加权回归,对于线性模型的概率解释,Logistic回归,感知器。

    [第4课] 牛顿方法

    本课首先介绍了牛顿方法,可以代替梯度上升算法用来计算 函数的最大值;之后以高斯分布和伯努利分布为例介绍了指 数分布函数族;最后以指数分布函数族为基础,引出了广义 线性模型,可以通过指定概率分布直接推导出模型。

    [第5课] 生成学习算法

    本课首先介绍了一类新的学习算法——生成学习算法,并详 细地介绍了该算法的一个例子:高斯判别分析;之后对生成学习算法与之前的判别学习算法进行了对比;最后介绍了一个适合对文本进行分类的算法——朴素贝叶斯算法,并结合该算法介绍了一种常用的平滑技术——Laplace平滑。

    [第6课] 朴素贝叶斯算法

    本课首先介绍了两种朴素贝叶斯算法的事件模型,之后介绍了神经网络算法,并在最后介绍了两个重要的概念:函数间隔和几何间隔,基于这两个概念提出了一个线性分类算法:最大间隔分类器算法。该算法用于引出一个非常重要的非线性分类算法:支持向量机。

    [第7课] 最优间隔分类器问题

    本课首先提出了原始的优化问题:最优间隔分类器问题,之后介绍了对偶问题的概念和KKT条件,之后基于原始优化问题的对偶问题的分析,介绍了SVM算法。课程的最后对SVM算法进行了评价,以引出下节课对核方法的介绍。

    [第8课] 顺序最小优化算法

    摘要:本讲首先介绍了核的概念——它在SVM以及许多学习算法中都有重要的应用,之后介绍了l1 norm软间隔SVM——它是一种SVM的变化形式,可以处理非线性可分隔的数据,最后介绍了SMO算法——一种高效的可以解决SVM优化问题的算法。

    [第9课] 经验风险最小化

    摘要:本讲主要介绍了模型选择中的一种常见现象——偏差方差权衡。为了解释该概念,首先介绍了两个重要的引理——联合界引理和Hoeffding不等式,之后定义了两个重要的概念——训练误差和一般误差,并提出了一种简化的机器学习算法模型——经验风险最小化(ERM)。最后基于这些概念对ERM结果的理论上界进行了证明,并基于上界分析对偏差方差权衡进行了解释。好的,欢迎回来。我今天想开始新的一章。我们今天要讲的是学习理论。在之前,我记得是八讲,你们已经学习了许多学习算法,使得,你们现在已经了解到了一些