斯坦福大学机器学习教程中文以及深度学习笔记;方便要深入学习原理的童鞋打印下载

本文档是针对吴恩达老师深度学习课程(deeplearning.ai)，由黄博士整理。

资源中包含三个PDF，分别是大牛整理的吴恩达机器学习视频课笔记完整版、深度学习笔记最新版以及吴恩达新书（Machine Learning Yearning）。三本书理论与实践结合，学习了机器学习算法后，Machine Learning Yearning将展示如何构建机器学习项目，使机器学习算法发挥作用。配合网易云吴恩达老师的视频一起食用效果更佳呦！

李沐老师b站课程的笔记，

isodata的matlab代码博客 ML-DL Machine learning and deep learning notes, practice, formula derivation. 这个项目是我的学习笔记，内容还在完善中。如果遇到图片无法显示，可以下载后查看。 目录 数学基础 机器学习 该部分以《视觉机器学习二20讲》为主线，扩展内容增加公式推导步骤。 K-means K-means++ 算法 ISODATA 算法 Kernel K-means 二分K-means聚类 回归学习 线性回归模型 多项式回归模型 主成分回归模型 自回归模型 核回归模型 决策树学习 ID3 算法 C4.5 算法 SLIQ 算法 SPRINT 算法 贝叶斯学习 朴素贝叶斯模型 层级贝叶斯模型 增广贝叶斯学习模型 基于Boosting技术的朴素贝叶斯模型 贝叶斯神经网络模型 EM算法 EM算法的快速计算 未知分布函数$P_i(y_i)$的选取 EM算法收敛性的改进 梯度提升算法 Boosting Adaboost SVM 软间隔 硬间隔 核技巧 SMO算法 深度学习 反向传播 正则化 优化求解算法 卷

Deeplearning深度学习笔记v5.53 吴恩达机器学习笔记更新--在这 5 堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization 对卷积神经网络 (CNN)、递归神经网络 (RNN)、长短期记忆 (LSTM) 等深度学 习常用的网络结构、工具和知识都有涉及。

77 深度学习大牛的《深度学习》笔记，Deep Learning速成教程.docx

猫狗数据集+基于卷积神经网络实现的猫狗图像分类项目源码+深度学习笔记答辩PPT+大作业文档。 由于数据集中图片数量太多，所以将图片数据打包存在了 cats_and_dogs.zip 里面。 该数据集包含25000张猫狗图像(每个类别各有12500张)。CNN是用这个集合里面的数据进行训练，CNN基于验证集上的性能来调节模型配置（超参数：层数，每层神经元数量等）图像数据输入卷积神经网络之前，应该将数据格式化为经过预处理的浮点数张量。 需要对图像进行向量化处理，同时对标签也要进行向量化处理。 代码位于 5.2_小型数据建立卷积神经网络_猫狗图像分类2.ipynb 中。 开箱即用，方便，内附使用教程

Deeplearning吴恩达深度学习笔记

减少过拟合方法： 交叉验证 normalization 学习率调整， learning rate decay momentum动量调整 k折交叉检验： 正则化： 更小的权值w，从某种意义上说，表示网络的复 杂度更低，对数据的拟合刚刚好（这个法则也叫做奥卡姆剃刀） 添加正则化相当于参数的解空间添加了约束，限制了模型的复杂度 L1正则化的形式是添加参数的绝对值之和作为结构风险项，L2正则化的形式添加参数的平方和作为结构风险项 L1正则化鼓励产生稀疏的权重，即使得一部分权重为0，用于特征选择；L2鼓励产生小而分散的权重，鼓励让模型做决策的时候考虑更多的特征，而不是仅仅依赖强依赖某几个特