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>>
    更多
    字幕纠错 投诉或建议
    划词翻译
    有道翻译
    笔记

    国际名校公开课 斯坦福大学公开课 ：机器学习课程

    策略搜索 [ 课时介绍 ]
    简介：这节课学习和复习了强化学习算法，然后学习了一些POMDPs(部分可观察马氏决策过程)的知识，完全可观察MDP的知识，接下来介绍了策略搜索算法（其中包括两种算法：Reinforced和Pegasus）。最后，介绍了与这门课程相关的一些课程，并给学生提出一些希望。

    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
    取消 保存
    确定删除笔记？
    确定 取消
    即将播放下一集，
    请您保存当前的笔记哦！
    确定

    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�