machine-learning-session's People
Forkers
leichangqing smileptz ah-fu siliconmagic zhouzhikun323 shaoxiaoyu renwenlong-github harrytsz froyot huiwind ukwang fortressll whu-lm gptcod shadow3zz hanhaohh dylanxia2017 wzxwzr chaoge123456 vero1925 ireliachen buptsunny zwt233 mingleq chichi-zhu eastlong guaibaoer flowpeakfish ncepuchris southrough jiniaoxu guoya1003 wanyixue havorld joeleaus captainzhangge lin-deng mergoo alex44jzy moshilangzi gscr10 zscwind githubbeinner zhanglzu feixian15 bigbosskai jimliu0327 marrior tallen0305 ningkp akmanlee wangjiaxin24 hunterhawk cvcggroup alwayswaime nxf75 my3jie zhuozhongshuo wshaow jeffreynjh jijiji1477 mattliu777 kilburnbuilding zhangzp517 mrbai333 soloaustin aidenward waynegrzeng blucehan techintech ccplanet takly zenmequmingzia fanhongweifd testtech92 paulyuan1219 syzxlyx wangsenhong shellhue tlwzzy arsentiii oztc hxh3949 kangjing28 james97 xiaozhangdexiaoshaobao gongxu123 bowensha yingmeng marsming housz77 qianrenjian 3deepai armadi110 yangyou95 choodly gjlper originprince leomax-xiong wdp-007machine-learning-session's Issues
悲伤的发现前几讲的PDF不见了
后悔没有及时保存,希望老师能够重新放回来,谢谢!
谢谢您的分享
您好,您的视频做的太好了,对于我们这种只知道个大概,但对很多东西没有深层次的理解太有用了。如果您能再开一节专门讲关于矩阵求导那就完美了。谢谢您的付出。
老师能否补充一些另外很重要的模型
老师,在看您视频时候.看您在下面回复最近很忙.等您忙完后能否再补充一些决策树、随机森林、xgboost、lightgbm、LDA模型,要求有点过分,但是您讲的真的太好.谢谢您的无私付出
老师真是牛
Ses
可不可以讲讲狄利克雷分布以及HDP哈
老师,可不可以讲讲狄利克雷分布以及HDP哈,这个根本就看不明白
如获至宝
Ch5降维部分请教
老师你好,最近在看机器学习-白板推导系列视频,有一个小问题,在第五章降维部分的P3,推导最大投影方差时,计算J(u_1)时用到了(x_i-x_ba)u_1为一个实数,因此可以对调写成u_1(x_i-x_ba),这里怎么说明它是一个实数呢?
老师可以传视频到多种平台如YouTube吗?
这样看得人就多了
老师课上说讲过卡尔曼滤波,能给个您讲的卡尔曼滤波的视频地址吗?
关于视频中马尔科夫毯推导的请教
大神的系列视频太好了
感谢!
可不可以考虑把理论推导落到代码实现?
对于初学者来说,理论到实现还是一个鸿沟,up主可不可以考虑将这些求解方法用python一步步实现一下?结合简单的数据集进行分类,或者结合现有的框架和库,比如tensorflow,sklearn。
看了你讲的SVM章,确实看西瓜书变得顺利了,但是发现现实中利用二次规划算法来求解模型的很少,所以实际操作的时候还是觉得力不从心,无从下手。如果up主能讲讲怎么和现有实际数据结合那就更好啦!
大佬有空的话更新一下谱聚类的求解方法啊,B站已充电支持,感谢大佬
rt
关于隐变量和观测变量的问题
您好老师,想请教一下,在做序列标注任务时,标注序列Y是我们可以获得的,那么为什么不能用极大似然估计或者贝叶斯估计那样直接求,而是把Y看作隐变量用em算法呢?直接把Y看作分类标签作为观测数据是否合理?
有没有准备开个矩阵论或者凸优化呢?
功德无量
求LaTeX源文件!
请问有没有集成学习的录制计划呀。
十分感谢。
老师能否分享一些树模型的推导
首先,非常感谢老师的无私分享,另外决策树、随机森林、xgboost、lightgbm这些模型也挺重要的,老师有空的话也分享一下吧,谢谢了。
感知机的损失函数
感知机的损失函数并不是错分的样本点个数,-y_i w^{T} x_i,w^{T} x_i的结果并不是+1或者-1。这里是错分样本点的函数间隔之和。
最小二乘笔记中的一个小笔误
很棒
讲的很棒,很赞,喜欢
第一章贝叶斯预测 p(x,theta|X) = p(x|theta)p(theta|X)的推导
第一章贝叶斯预测部分
p(x,theta|X) = p(x|theta)p(theta|X)
可以讲一下详细推导么?
老师讲解的很细致 很到位 辛苦了
感谢您的分享
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.