點擊上方“AI有道”，選擇“星標”公眾號

重磅干貨，第一時間送達

臺灣大學林軒田老師曾在coursera上開設了兩門機器學習經典課程：《機器學習基石》和《機器學習技法》。《機器學習基石》課程由淺入深、內容全面，基本涵蓋了機器學習領域的很多方面。其作為機器學習的入門和進階資料非常適合。《機器學習技法》課程主要介紹了機器學習領域經典的一些算法，包括支持向量機、決策樹、隨機森林、神經網絡等等。林老師的教學風格也很幽默風趣，總讓讀者在輕松愉快的氛圍中掌握知識。

本文列出了林軒田機器學習基石和機器學習技法課程的所有精煉筆記，均是紅色石頭精心制作的原創內容。

《機器學習基石》這門課主要涉及機器學習關鍵問題的四個方面：?

• 機器什么時候可以學習？

• 機器為什么可以學習？

• 機器如何學習？

• 機器如何更好地學習？

下面是基石課程對應的精煉筆記！（點擊標題進入鏈接！）

機器學習基石筆記列表

【1】學習問題

【2】學習回答Yes/No

【3】機器學習類型

【4】機器學習的可能性

【5】訓練vs測試

【6】泛化理論

【7】VC緯度

【8】噪聲和誤差

【9】線性回歸

【10】邏輯回歸

【11】線性模型用于分類

【12】非線性轉換

【13】過擬合的危險

【14】正則化

【15】驗證

【16】三個學習原則

《機器學習技法》這門課主要涉及機器學習經典算法的三個方面：

• 嵌入大量特性：核模型

• 組合預測特征：集成模型

• 提取隱式特征：提取模型

下面是技法課程對應的精煉筆記！（點擊標題進入鏈接！）

機器學習技法筆記列表

【1】線性支持向量機LSVM

【2】對偶支持向量機DSVM

【3】核支持向量機KSVM

【4】軟間隔支持向量機SSVM

【5】核邏輯回歸KLR

【6】支持向量回歸SVR

【7】Blending 和 Bagging

【8】自適應提升AdaBoost

【9】決策樹

【10】隨機森林

【11】梯度提升決策樹GBDT

【12】神經網絡

【13】深度學習

【14】徑向基函數網絡

【15】矩陣分解

【16】總結

總結

以上是生活随笔為你收集整理的独家干货 | 林轩田机器学习课程精炼笔记！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。