ML-notes

notes about machine learning

html 連結：

1_Introduction

2_Regression Case Study

3_Regression demo(Adagrad)

4_Where does the error come from

5_Gradient Descent

6_Classification

7_Logistic Regression

8_Deep Learning

9_Backpropagation

10_Keras

11_Convolutional Neural Network part1

12_Convolutional Neural Network part2

13_Tips for Deep Learning

14_Why Deep

15_Semi-supervised Learning

16_Unsupervised Learning Introduction

17_Unsupervised Learning PCA part1

18_Unsupervised Learning PCA part2

19_Matrix Factorization

20_Unsupervised Learning Word Embedding

21_Unsupervised Learning Neighbor Embedding

22_Unsupervised Learning Deep Auto-encoder

23_Unsupervised Learning Generation

24_Transfer Learning

25_Support Vector Machine

26_Recurrent Neural Network part1

27_Recurrent Neural Network part2

csdn博客链接：

机器学习系列1-机器学习概念及介绍

机器学习系列2-回归案例研究

梯度下降代码举例：Gradient Descent Demo(Adagrad)

机器学习系列4-模型的误差来源及减少误差的方法

机器学习系列5-梯度下降法

机器学习系列6-分类问题(概率生成模型)

机器学习系列7-逻辑回归

机器学习系列8-深度学习简介

机器学习系列9-反向传播

机器学习系列10-手写数字识别(Keras2.0)

机器学习系列11-卷积神经网络CNN part1

机器学习系列12-卷积神经网络CNN part2

机器学习系列13-深度学习的技巧和优化方法

机器学习系列14-为什么要做“深度”学习

机器学习系列15-半监督学习

机器学习系列16-无监督学习引言

机器学习系列17-无监督学习之PCA推导(Ⅰ)

机器学习系列18-无监督学习之PCA深入探讨(Ⅱ)

机器学习系列19-矩阵分解&推荐系统初步

机器学习系列20-无监督学习之词嵌入

机器学习系列21-无监督学习之近邻嵌入

机器学习系列22-无监督学习之自编码器

机器学习系列23-无监督学习之生成模型

机器学习系列24-迁移学习

机器学习系列25-支持向量机

机器学习系列26-循环神经网络RNN(Ⅰ)

机器学习系列27-循环神经网络RNN(Ⅱ)

LICENSE：

GPL-2.0