这是一本吴恩达在讲授机器学习时，一位学者听他的=视频做的笔记，改笔记内容十分简单易懂，是一本机器学习好的资料

作者黄海广，GitHub地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

涉及机器学习的各种经典的算法，其中，有 logistics 回归，决策树、随机森林、XGBoost、SVM、主题模型、隐马尔可夫链、贝叶斯网络、聚类算法等等

python机器学习笔记（包含各类算法以及建模实例）

机器学习入门（资料）

pdf带页码目录、人工智能课程资料

主要由监督学习、半监督学习、迁移学习、无监督学习、监督学习中的结构化学习以及强化学习构成。最关键的是本文档带书签。

李宏毅机器学习·笔记自己整理成了PDF，现在分享给大家。

吴恩达机器学习笔记pdf格式，共分10周学习课程，可以通过视频资源对照学习。 吴恩达机器学习笔记pdf格式，共分10周学习课程，可以通过视频资源对照学习。

1. Frequentist （频率派）： The Frequentist approach views the model parameters as unknown (constant) and estimate them by matching the model to the training data. Using an appropriate metric. 频率派观点认为，模型参数是未知的（常数），⽤恰当的准则，使得模型与训练数据相匹配来估计它们 （参数）。 2. Bayesian （⻉叶斯派）： ⻉叶斯派观点认为，模型参数是随机变量，通过给予参数以先验分布（通常是来⾃前⼈经验），基于⻉叶 斯定理做最⼤的后验概率估计。 3. 对⽐ 对⽐频率派与⻉叶斯派，前者多在做优化（Optimization），后者多在做积分。 4. 参数模型与⾮参数模型 对于参数模型，参数的数量是固定的，与训练数据的数量⽆关。 对于⾮参数模型，参数的熟练不固定，⽽是随训练数据的增加⽽增加。