foolyc

MLY S03 Prerequisites and Notation

预备知识和约定表达

如果你学习过像Coursera上我的机器学习MOOC课程这样的机器学习的课程,或者有过监督学习的运用经验,你会很容易理解这部分内容。

假定你熟悉监督学习,即通过数据集(x,y)学习从x到y的映射关系。监督学习包括线性回归/logistic回归和神经网络。机器学习的形式有非常多,但是目前最具有实际价值的仍是监督学习。

我会频繁地提到神经网络(也就是深度学习),你仅需要对他们有一个基本的理解。

如果不对这些不太熟,你可以首先学习下Coursera上的Machine Learning(网址http://ml-class.org)课程前三周的课程视频。

img

本文由foolyc创作和发表,采用BY-NC-SA国际许可协议进行许可
转载请注明作者及出处,本文作者为foolyc
本文标题为MLY S03 Prerequisites and Notation
本文链接为http://foolyc.com//2017/03/10/MLY-S03-Prerequisites-and-Notation/.